Zastosowanie sieci Kohonena do generowania finansowych strategii

• Autorzy: Domaradzki R. , Morajda J.

Warianty tytułu

EN

Generation of multicriterion strategies decisions using Kohonen neural networks

• Języki publikacji: PL

Abstrakty

PL

Wykorzystanie grupowania danych przy pomocy samoorganizujących sieci neuronowych typu Kohonena do generowania finansowych strategii decyzyjnych na giełdzie papierów wartościowych to nowatorskie podejście, które zaproponowali autorzy niniejszego artykułu. Jak pokazano, stworzony model przynosi całkiem dobre rezultaty i można przypuszczać, że wykorzystanie tych metod także na gruncie technologii materiałów przyniesie zadowalające efekty.

EN

A method of generation of initial grouping of input values vectors, using self-organizing neural network - Kohonen network as an instrument, is described in this work. This main aim of the paper is demonstration of new methodology for grouping data during producing strategies decisions, which can be further applied in the filed of materials engineering. Described approach is illustrated by example, which characterizes share market condition.

Słowa kluczowe

PL

grupowanie danych; sieci Kohonena; strategie decyzyjne; Giełda Papierów Wartościowych; technologia materiałów

• Wydawca: Wydawnictwo Naukowe AKAPIT
• Czasopismo: Informatyka w Technologii Materiałów
• Rocznik: 2005
• Tom: T. 5, Nr 1-2
• Strony: 45--57
• Opis fizyczny: Bibliogr. 16 poz., rys.

Twórcy

autor

Domaradzki R.

• doktorant Akademii Górniczo-Hutniczej w Krakowie

autor

Morajda J.

Bibliografia

• Barr, D.S., Mani G., Using Neural Nets to Manage Investments, AI Expert, 1994, 16-21.
• Beltratti, A., Margarita, S., Tema, P., Neural Networks for Economic and Financial Modelling, ITCP, London, 1996. Berry, M.J.A., Linoff, G.S., Mastering data mining, John Wiley & Sons, New York, 2000.
• Deboeck, G., Investment Maps of Emerging Markets, w: Visual Explorations in Finance, ed., Deboeck, G., Kohonen, T., Springer-Verlag, 1997,83-105.
• Haefke, C., Helmenstein, C., Neural Networks in the Capital Markets: An Application to Index Forecasting, Computational Economics, 1996,37-50.
• Hastie, T., Tibshirani, R., Friedman, J., The elements of Statistical Learning. Data mining, Inference, and Prediction, Springer, New York - Berlin - Heidelberg, 2001,
• Hiemstra, Y., Linear Regression Versus Backpropagation Networks to Predict Quarterly Stock Market Excess Returns, Computational Economics, 1996, 67-76.
• Kohonen, T., Self-organizing maps. Springer-Verlag, Berlin, 1995.
• Lula, P., Morajda, J., Klasyfikacja wzorców występujących w finansowych szeregach czasowych przy użyciu sieci neuronowych Kohonena, Zeszyty naukowe AE w Krakowie, nr 604, Prace z zakresu informatyki i jej zastosowań, Kraków, 2002.
• Morajda, J., Applications of neural networks in the financial markets - selected aspects, Mat. 4. Konf. Neural Networks and Their Applications, Zakopane, Częstochowa 1999.
• Morajda, J., Neural networks as predictive models in financial futures trading, Mat. 4. Konf. Neural Networks and Their Applications, Zakopane, Częstochowa 1999.
• Morajda, J., Neural Networks and Their Economic Applications, w: Artificial Intelligence and Security in Computing Systems, ed., Sołdek, J., Drobiazgiewicz, L., Kluwer Academic Publishers, Boston-Dordrecht-London, 2003.
• Refenes, A.P., (ed.), Neural networks in the capital markets, Wiley, Chichester, 1995.
• Roning, J., Elsila, U., Knowledge Discovery in Steel Industry Measurements, University of Oulu, Oulu, 1998.
• Schoeneburg, E., Stock Price Prediction Using Neural Networks, A Project Report, Neurocomputing, vol. 2, 1990, 17-27.
• Trippi, R.R., Turban, E., Neural Network in Finance and Investing, Probus Publishing, Chicago, 1996.