Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: Sharpe's model

Sortuj według:

Ogranicz wyniki do:

Wykorzystanie sieci neuronowych i analizy portfelowej w prognozowaniu kursów akcji na giełdzie papierów wartościowych

Stochel P.

Computer Science

2000

Vol. 2

53-80

Artykuł obejmuje swoim zakresem wykorzystanie sieci neuronowych do wspomagania procesu decyzyjnego na rynku kapitałowym. Autor podjął się wykazania skuteczności przyjętych rozwiązań w polskich realiach charakteryzujących się odmiennymi uwarunkowaniami w stosunku do rynków państw wyżej rozwiniętych. Celem pracy było również wykazanie, że sieci neuronowe stanowią bardzo elastyczne narzędzie pozwalające na dostosowanie się do wymagań inwestora, a zarazem na zredukowanie wymagań w stosunku do jego doświadczenia. Artykuł opiera się na własnych badaniach autora, które wykonał modelując za pomocą programu symulującego działanie sieci neuronowych. Przyjęte rozwiązania jako punkt wyjścia wykorzystują portfel akcji wyliczony w oparciu o teorię portfelową Markowitza i model Sharpa. Zgodnie z przyjętymi tezami tak utworzony portfel modyfikowany jest przez sieć neuronową w celu optymalizacji kryterium, jakim jest maksymalizacja zysku tak modyfikowanego portfela. Przedstawiono dokładną genezę przyjętego wektora wyjściowego i struktury sieci. Umożliwia to czytelnikowi przeprowadzenie własnych badań i ustosunkowanie się do zastosowanych wielkości. Pokazano rezultaty badań opartych na rzeczywistych danych giełdowych z wykorzystaniem jednowyjściowych sieci przewidujących cenę jednej spółki - Agrosu, a także sieci przewidujących pożądaną strukturę całego portfela. Przebadano wpływ struktury sieci, parametrów uczenia, wektora wejściowego (zarówno pod względem ilości wejść, jak i okresu czasu, z jakiego były pobierane). Wskazano również na zależności występujące między wymienionymi wyżej czynnikami, np. między wektorem wejściowym i strukturą sieci. Wydaje się, iż udowodniono, że mało rozpowszechnione metody wykorzystujące sieci neuronowe mogą stanowić konkurencyjne narzędzie w stosunku do innych metod optymalizacyjnych.

The article presents the use of neural networks in decision making process on the capital market. The author tried to show the efficiency of established solution in Polish reality which features different conditions in comparison with the markets of higher developed countries. The aim of the paper was to prove that neural networks are flexible tools which on one hand might be adjusted to investor's requirements and on the other, can reduce equirements to his experience. The article is based on the author's own research carried out by modelling neural network operation with a simulation program. The established solutions are input which employs stocks portfolio computed on the basis of Markowitz portfolio theory and Sharpe's model. According to the established propositions, the portfolio created in such a way is modified by neutral network in order to optimise a criterion which maximises the income of such a modified portfolio. A detailed genesis of the established input vector and network structure are presented. It allows the reader to carry out his own research and create his own attitude towards applied values. The research results based on a real stock market database with the use of one-output networks predicting the price of a single company - Agros as well as networks predicting the desirable structure of the whole portfolio are presented. The effect of the network structure learning parameters, input vector (not only as to the input quantity but also as to period of time they were collected) was examined. The dependence between the factors mentioned above such as input vector and network structure were discussed. It seems that the presented paper has proved that some not widely spread methods with neural networks can become a competitive tool to optimisation methods.