Πρόβλεψη χρηματοοικονομικών χρονολογικών σειρών

Abstract

Η πρόβλεψη, ανάλυση και μελέτη των χρηματοοικονομικών μεταβλητών κυρίως μετοχών καθώς και η ανάπτυξη οικονομικής στρατηγικής για το χρηματιστήριο αλλά και γενικότερα, ως αντικείμενα είναι ιδιαίτερα δημοφιλή θέματα, όχι απλώς στον ακαδημαϊκό τομέα αλλά και στον καθένα τον οποίο ενδεχόμενος να τον ενδιαφέρει το κέρδος μέσω αυτής της πρακτικής. Ο λόγος που είναι τόσο δημοφιλής αυτό το αντικείμενο είναι κάτι παραπάνω από προφανής, όλοι θέλουν να κατασκευάσουν ένα μοντέλο το οποίο θα «νικάει» την αγορά, θα προβλέπει πότε θα αυξηθεί μία μετοχή ή το αντίθετο, θα συμβουλεύει τον χρήστη πότε να πουλήσει, πότε να αγοράσει όπως και επίσης μακροπρόθεσμα από ποια μετοχή θα έχει περισσότερα κέρδη, κοκ. Η ανάλυση χρονολογικών σειρών έχει πλήθος τεχνικών που ως σκοπό έχουν την πρόβλεψη τους για την επόμενη χρονική στιγμή, είτε αυτή είναι μία μέρα είτε μία ώρα είτε μία εβδομάδα, κοκ. Όμως η ανάλυση χρονολογικών σειρών δεν μπορεί να λάβει υπόψιν της πλήθος άλλων παραγόντων οι οποίοι αποδεδειγμένα επηρεάζουν την αγορά, πχ. Ειδήσεις. Έτσι, με την ευρεία χρήση της μηχανικής μάθησης, τα τελευταία χρόνια, έχουν προταθεί και δημοσιευθεί πλήθος εργασιών οι οποίες χρησιμοποιώντας κάποια από τις μεθόδους της μηχανικής μάθησης προτείνουν κάποια μέθοδο και παρουσιάζουν τα αντίστοιχα αποτελέσματα. Προχωρώντας ένα βήμα παραπέρα, πλέον οι προβλέψεις πραγματοποιούνται με συνδυασμούς τεχνικών, πχ. νευρωνικών δικτύων με ανάλυση συναισθήματος και χρήση ιστορικών δεδομένων, με τα αποτελέσματα να βελτιώνονται συνεχώς. Η παρούσα διατριβή διαπραγματεύεται την ανάλυση, μελέτη (χτίσιμο στρατηγικής, παρουσίαση οικονομικών μεταβλητών, κτλ.) και πρόβλεψη μετοχών με την χρήση τεχνικών όπως ανάλυσης χρονολογικών σειρών και μηχανικής μάθησης. Η χρήση της μηχανικής μάθησης για το συγκεκριμένο αντικείμενο φαίνεται πως αποδίδει αρκετά καλά, με ακρίβεια στις προβλέψεις που ξεπερνούν ακόμα και το 70% σε ορισμένα μοντέλα και απλώς ικανοποιητικά για κάποια άλλα μοντέλα, σε κάθε περίπτωση όμως οι προβλέψεις είναι άνω του 50%. Επίσης ικανοποιητικές μπορούν να θεωρηθούν και οι προβλέψεις με την μέθοδο της ανάλυσης χρονοσειρών.