Efektywność algorytmu genetycznego jako narzędzia prognozowania szeregów czasowych

• Autorzy: Adam Kucharski

Warianty tytułu

Efficiency of genetic algorithm as forecasting instrument of time series

• Języki publikacji: PL

Abstrakty

Algorytm genetyczny zalicza się do grupy metod o małym stopniu sformalizowania, co pozwala wykorzystać go w różnych obszarach, wliczając w to prognozowanie. Powstaje jednak pytanie o efektywność tego instrumentu. Zdecydowaliśmy się sprawdzić wewnętrzne procedury prezentowanego algorytmu, wpływające na szybkość otrzymywania i jakość rozwiązań. Zbadaliśmy również dokładność prognoz wygasłych. Do obliczeń wykorzystaliśmy szeregi czasowe, pochodzące z giełdy papierów wartościowych. Porównanie chromosomów z populacji początkowej i końcowej prowadzi do wniosku, że zastosowanie mechanizmu preselekcji prowadzi do niewątpliwej poprawy jakości prognoz. Staje się to możliwe dzięki zwiększeniu zróżnicowania między chromosomami. RMSPE dla najlepszych chromosomów szybko spada przez pierwsze dwadzieścia z rozważanych pięćdziesięciu pokoleń. Później chromosomy o najlepszym dopasowaniu dominują w populacji, a poprawa wyników nie następuje już tak szybko. Prognozy wygasłe kursów zamknięcia okazały się znacznie lepsze niż te dla wolumenów obrotów, choć pogorszenie nastąpiło dla wszystkich badanych instrumentów. Powodem jest duża zmienność wolumenów obrotów, która wpływa na efektywność algorytmu. (abstrakt oryginalny)

EN

The genetic algorithm is numbered among less formal methods which allows using it in different areas including forecasting. However, there is a question about efficiency of that instrument. We decided to check inner procedures of the algorithm affecting gaining speed and quality of solutions. We also tested exactness of expired forecasts. All the calculations were made using time series from the stock exchange. Comparing all chromosomes from the initial and final populations leads to a conclusion that preselection contributed to unquestionable improvement of forecasts. It is possible because of a bigger diversity between chromosomes. RMSPE for the best chromosomes rapidly falls during the first twenty of all fifty generations. After that chromosomes with the best fitness dominate the whole population and the improvement of results is not so fast. The expired forecasts of close price turned out much better than volume although we observed deterioration for all stock instruments. The reason was big volatility of those volumes which influenced the efficiency of the algorithm. (original abstract)

Słowa kluczowe

PL

Prognostyka; Prognozy gospodarcze; Analiza szeregów czasowych; Algorytmy; Rynek kapitałowy

EN

Forecaster; Economic forecast; Time-series analysis; Algorithms; Capital market

• Czasopismo: Badania Operacyjne i Decyzje
• Rocznik: 2008
• Numer: nr 3
• Strony: 43-52

Twórcy

autor

Adam Kucharski

Bibliografia

• [1] CIEŚLAK M. (red.), Prognozowanie gospodarcze. Metody i zastosowania, PWN, 2001.
• [2] GAJDA J.B., Prognozowanie i symulacje a decyzje gospodarcze, C.H. Beck, 2001.
• [3] GOLDBERG D., Algorytmy genetyczne i ich zastosowania, WNT, Warszawa 1995.
• [4] GWIAZDA T., Algorytmy genetyczne - wstęp do teorii, T.D.G. S. cyw., Warszawa 1995.
• [5] KONARZEWSKA I., KARWACKI Z., Planowanie i kontrola kosztów - wybrane problemy statystyczne, 2001, s. 445-159.
• [6] KUCHARSKI A., O pewnym zastosowaniu algorytmów genetycznych do prognozowania szeregów czasowych, 2005, Prace Naukowe Akademii Ekonomicznej we Wrocławiu, Wrocław 2007, s. 143-153.
• [7] KUCHARSKI A., Wykorzystanie algorytmów genetycznych do krótkookresowych prognoz na giełdzie papierów wartościowych, konferencja naukowa „Rynek kapitałowy - skuteczne inwestowanie", Wydawnictwo Naukowe Uniwersytetu Szczecińskiego, Szczecin 2007, s. 135-145.
• [8] MlCHALEWICZ Z., Algorytmy genetyczne + struktury danych = programy ewolucyjne, WNT, Warszawa 1996.