Wykorzystanie sztucznych sieci neuronowych przez przedsiębiorstwa eksportujące oraz importujące

• Autorzy: Jasiński T.

Warianty tytułu

EN

The usage of artificial neural networks by export and import enterprises

• Języki publikacji: PL

Abstrakty

EN

The paper raises issues of the use of artificial intelligence in the enterprise. The focus was on the possibility of using artificial neural networks to accurately predict the behavior of the time series relevant to the economic activities based on the export and import. In particular, the paper describes the practical possibilities for time series forecasting such as foreign exchange rates. Researches focused on predicting of slope of linear regression, to determinate the direction of exchange rate changes. Artificial neural networks, tested during researches, included two types of models. First one was a simple neural network model, containing only a one network. Second one was a more complex model containing at least a few networks. These networks were used for predicting a part of output variable. To obtained mentioned parts during researches was used multiresolution analysis based on discrete wavelet trans- form. During researches a lot of versions of multiresolution analysis were tested. Finally, as the best one, was chosen the discrete wavelet transform based on the biorthogonal 6/8 wavelet. The paper describes also a type of model input variables, considering a frequency of their changes. It shows advantages and disadvantages of macroeconomic data and technical analysis. The article describes main and the most useful types of moving averages, such as simple moving average, exponential moving average, weighted moving average and VI- DYA (Variable Index Dynamic Average). The paper mentions other type of input variable, especially such indicators as RSI and MACD and their modifications. The final evaluation of the models was carried out based on a simple trading system. Thus was confirmed the useful- ness of the results in practical applications. During the analysis of the obtained results, was used the method of sliding window.

Słowa kluczowe

PL

sztuczne sieci neuronowe; systemy transakcyjne

EN

artificial neural networks; exchange rate; trading system

• Wydawca: Polskie Towarzystwo Zarządzania Produkcją
• Czasopismo: Zarządzanie Przedsiębiorstwem
• Rocznik: 2014
• Tom: Vol. 17, nr 1
• Strony: 37--40
• Opis fizyczny: Bibliogr. 14 poz.

Twórcy

autor

Jasiński T.

• Instytut Nauk Społecznych i Zarządzania Technologiami Wydział Organizacji i Zarządzania Politechnika Łódzka

Bibliografia

• [1] Achelis S. B.: Analiza Techniczna od A do Z. LT&P, Warszawa 1998.
• [2] Arsie I., Pianese C., Rizzo G.: Enhancement of Control Oriented Engine Models Using Neural Network, Theory and Practice of Control and Systems. Proceedings of the 6th IEEE Mediterranean Conference, Alghero, Sardinia, Italy 9-11 June 1998, 1999.
• [3] Chande T. S.: Adapting Moving Averages To Market Volatility. .Technical Analysis of Stocks & Commodities. V.10:3, 1992, p. 108-114.
• [4] Ehlers J. F.: The RSI Smoothed. .Technical Analysis of Stocks & Commodities. V.20:10, 2002, p. 58-61.
• [5] Elder A.: Zawód inwestor giełdowy, Oficyna Ekonomiczna, Dom Wydawniczy ABC, Warszawa 2012.
• [6] Gately E.: Cena i czas. Zarys metod analizy technicznej. WIG-Press, Warszawa 1999.
• [7] Jackson T. O.: Handhook of Neural Computation Part, relase 97/1. The Institute of Physics Publishing Ltd and Oxford University Press, 1997. Dostępny: http://www.iop.org/Books/CIL/HNC (19.03.2003), Part B4.2.
• [8] Jasiński T.: The choice of a proper output variable in a forecasting model based on ANN, [w:] Szablewski A.T., Jasiński T. (red.): Different dimensions of microeconomic competitiveness, Wydawnictwo Politechniki Łódzkiej, Łód. 2008, s. 93-102.
• [9] Jasiński T.: Zastosowanie dyskretnej transformaty falkowej do poprawy wyników uzyskiwanych przez sztuczne sieci neuronowe, [w:] Studia i prace Kolegium Zarządzania i Finansów. Zeszyt naukowy 48, Szkoła Główna Handlowa w Warszawie, Warszawa 2004, s. 23-32.
• [10] Kiełtyka L. (red.): Inteligentny System Prognozowania. Zasady funkcjonowania. Zastosowania, Wydawnictwo Politechniki Częstochowskiej, Częstochowa 2000.
• [11] Łaski K., Osiatyński J., Zięba J.: Mnożnik wydatków państwowych i szacunki jego wielkości dla Polski, [w:] Materiały i studia, Zeszyt nr 246. Narodowy Bank Polski, Warszawa 2010.
• [12] REUTERS, Analiza techniczna. Wprowadzenie. Oficyna Ekonomiczna, Dom Wydawniczy ABC, Kraków 2001.
• [13] Tarczyński W.: Rynki kapitałowe. Metody ilościowe. Vol. I, Agencja Wydawniczo-Poligraficzna .PLACET., Warszawa 2001.
• [14] Trafalis T.B.: Neural and radial basis function networks . Lecture 12. School of Industrial Engineering University of Oklahoma, Norman 2000.