Identyfikacja wzorców w finansowych szeregach czasowych z wykorzystaniem hierarchicznych metod grupowania na przykładzie kursu BTC/PLN

• Autorzy: Kądziołka K.

Warianty tytułu

EN

Pattern recognition in financial time series using hierarchical clustering. The case of BTC/PLN exchange rate prediction

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono zastosowanie metody Warda do identyfikacji wzorców w finansowych szeregach czasowych, na przykładzie kursu waluty kryptograficznej bitcoin. Wykorzystując zidentyfikowane wzorce, generowano prognozy zmian kursu w analizowanym szeregu dla danych zbioru testowego, które nie zostały wykorzystane w procesie identyfikacji wzorców. Przeciętny absolutny oraz maksymalny błąd prognozy na danych zbioru testowego był niewielki, natomiast zgodność kierunku zmian kursu BTC/PLN na zbiorze testowym wynosiła tylko 60%.

EN

The aim of this article was to present the use of Ward’s method to identify patterns in BTC/PLN exchange rate. Identified patterns were used to predict BTC/PLN movement direction. Mean absolute percentage error and maximal percentage error on the test set were small, but the movement direction was correctly predicted only in 60% of cases.

Słowa kluczowe

PL

bitcoin; grupowanie szeregów czasowych; rozpoznawanie wzorców

EN

Bitcoin; time series clustering; pattern recognition

• Wydawca: Warszawska Wyższa Szkoła Informatyki
• Czasopismo: Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki
• Rocznik: 2016
• Tom: nr 14
• Strony: 37--48
• Opis fizyczny: Bibliogr., 17 poz., tab., wykr.

Twórcy

autor

Kądziołka K.

• Prokuratura Okręgowa w Katowicach

Bibliografia

• [1] Braak P., Nayak R., Temporal Pattern Matching for the Prediction of Stock Prices, http://www.eprints.qut.edu.au/14267/ [dostęp: 18.12.2015]
• [2] Lee H.M. et al., Stock Trend Prediction by Using K-Means and AprioriAII Algorithm for Sequential Chart Pattern Mining, http://www.iis.sinica.edu. tw/page/jise/2014/201405_07.pdf [dostęp: 18.12.2015].
• [3] Lula P., Morajda J., Klasyfikacja wzorców występujących w finansowych szeregach czasowych przy użyciu sieci neuronowych Kohonena, „Zeszyty Naukowe Akademii Ekonomicznej w Krakowie” 2002, nr 604
• [4] Pichura M., Podobieństwa w szeregach czasowych na przykładzie polskiego rynku akcji, „Zeszyt Naukowy Śląskiej Wyższej Szkoły Zarządzania w Katowicach” 2011, nr 24
• [5] Kądziołka K., Wielowymiarowy obraz ryzyka na giełdach walut kryptograficznych, „Kwartalnik Prawo - Społeczeństwo - Ekonomia” 2015, nr 4
• [6] Li X. et al., Exploring the Determinants of Bitcoin Exchange Rate, http://pa- pers.ssrn.com/sol3/papers.cfm?abstract_id=2515233 [dostęp: 11.03.2015].
• [7] Madan I., Saluja S., Zhao A., Automated Bitcoin Trading via Machine Learning Algorithms, http://cs229.stanford.edu/projects2014.html [dostęp: 11.03.2015]
• [8] Moser A. et al., Bitcoin Stock Prediction Using Artificial Neural Networks, http://academia.edu/17464066/Bitcoin_Stock_Prediction_Using_Artificial_N eural_Networks [dostęp: 6.11.2015].
• [9] Stanisz A., Przystępny kurs statystyki z zastosowaniem STATISTICA PL na przykładach z medycyny. Tom 3. Analizy wielowymiarowe, StatSoft, Kraków 2007
• [10] http://bitcoincharts.com/markets/list/ [dostęp: 18.10.2015].
• [11] Baek J., Young S.S., A modified correlation coefficient based similarity measure for clustering time-course gene expression data, “Pattern Recognition Letters” 2008, No. 29, Vol. 3
• [12] Borisov A., Grabusts P., Clustering methodology for time series mining, “Scientific Journal of Riga Technical University” 2009
• [13] Iglesias F., Kastner W., Analysis of Similarity Measures in Times Series Clustering for the Discovery of Building Energy Patterns, “Energies” 2013, No. 6, Vol. 2
• [14] Liao T.E., Clustering of time series data - a survey, “Pattern Recognition” 2005, No. 38, Vol. 11
• [15] Sangetta R., Sikka G., Recent Techniques of Clustering of Time Series Data: A Survey, “International Journal of Computer Applications” 2012, No. 52, Vol. 15
• [16] Wasilewska E., Statystyka opisowa od podstaw. Podręcznik z zadaniami, Wydawnictwo SGGW, Warszawa 2011
• [17] http://binarneopcje.pl/bitcoin-a-opcje-binarne-czyli-nowosc/, [dostęp: 4.01.2016]

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.