Πρόβλεψη χρονοσειρών στο χρηματιστήριο με την χρήση σύγχρονων νευρωνικών δικτύων

Abstract

Η παρούσα εργασία προτείνει μια γενικευμένη μεθοδολογία για την πρόβλεψη της βραχυπρόθεσμης κίνησης πολλαπλών μετοχών μέσω ενός ενιαίου μοντέλου μηχανικής μάθησης, εκπαιδευμένου πάνω σε ένα υποσύνολο μετοχών του δείκτη S&P 500. Η μεθοδολογία περιλαμβάνει την άντληση και επεξεργασία ιστορικών δεδομένων, την εξαγωγή χαρακτηριστικών και τη στατιστική ανάλυσή τους, καθώς και την ανάπτυξη και αξιολόγηση ενός LSTM μοντέλου με βέλτιστες παραμέτρους. Τα αποτελέσματα αναδεικνύουν τη δυνατότητα του προτεινόμενου μοντέλου να αποτυπώνει αποδοτικά τις βραχυπρόθεσμες μεταβολές στην τάση των τιμών των μετοχών.