Μοντέλο πρόβλεψης μετοχικών τιμών βασισμένο σε γενετικούς αλγορίθμους και νευρωνικά δίκτυα

Abstract

Στην παγκόσμια οικονομία όλα επηρεάζονται αλυσιδωτά, για αυτό ακριβώς το λόγο η πρόβλεψη των τιμών του χρηματιστηρίου είναι αναγκαία όχι μόνο για επενδυτές αλλά και για άτομα που δεν ενασχολούνται με αυτό. Για παράδειγμα έστω ότι η μετοχική τιμή μιας εγχώριας τράπεζας ξεκινά και πέφτει ραγδαία, αυτομάτως σηματοδοτεί τη δυσχερή θέση της εν λόγω με αποτέλεσμα οι καταθέτες να ξεκινούν τις μαζικές και ογκώδεις αναλήψεις. Οι δανειολήπτες αυτής θα έρθουν αντιμέτωποι με μεγαλύτερα επιτόκια δανεισμού, θα «αγοράζουν χρήμα ακριβότερα». Έτσι ένας εκτός χρηματοοικονομικού κύκλου επιχειρηματίας που έχει άμεση ανάγκη από ρευστό δεν θα μπορέσει να δανειστεί από την εν λόγω τράπεζα με αποτέλεσμα ακόμη και να έρθει στη δυσμενή θέση να κλείσει την επιχείρησή του. Η αγορά των μετοχών θεωρείται ένα χαοτικό, περίπλοκο, εύθραυστο και δυναμικό περιβάλλον. Ωστόσο η πρόβλεψη των μετοχικών τιμών αποτελεί μια από τις πιο πολυσυζητημένες προκλήσεις. Η εξέλιξη της Μηχανικής Μάθησης έχει παρουσιάσει αξιοσημείωτα αποτελέσματα στην αναγνώριση ήχου, ταξινόμηση εικόνας. Εύλογα λοιπόν θεωρείται ότι οι μέθοδοι που εφαρμόζονται στην επεξεργασία ψηφιακών σημάτων μπορούν και να εφαρμοστούν σε χρηματιστηριακές τιμές καθώς και τα δυο επίπεδα αποτελούν δεδομένα χρονοσειρών. Στόχος της παρούσας διπλωματικής εργασίας είναι η πρόβλεψη μετοχικών τιμών με μοντέλο το οποίο εκπαιδεύεται σύμφωνα με την Ενισχυτική Μηχανική Μάθηση κάνοντας χρήση των Γενετικών Αλγορίθμων και των Τεχνητών Νευρωνικών Δικτύων. Ως δεδομένα για έλεγχο και επαλήθευση του μοντέλου μας χρησιμοποιήθηκαν ελληνικών τραπεζών μετοχικές τιμές, όπως έχουν οριστεί στο Χρηματιστήριο Αθηνών.