Μελέτη οικονομικών στοιχείων για την πρόβλεψη συμπεριφοράς τους στη σύγχρονη οικονομική πραγματικότητα με χρήση τεχνητών νευρωνικών δικτύων
Study of financial data to predict their behavior in modern economic reality using artificial neural networks
Προβολή/ Άνοιγμα
Λέξεις κλειδιά
Οικονομικά στοιχεία ; Πρόβλεψη ; Νευρωνικά δίκτυα ; Χρονοσειρές ; Προβλεπτικά μοντέλαΠερίληψη
Η σωστή πρόβλεψη των κινήσεων των τιμών στα χρηματιστήρια έχει προφανή
οικονομικά οφέλη. Η εργασία επιλύεται παραδοσιακά με την ανάλυση της
υποκείμενης εταιρείας ή της ιστορικής εξέλιξης των τιμών της μετοχής της εταιρείας.
Μια τρίτη επιλογή που βρίσκεται υπό ενεργό έρευνα είναι η δημιουργία ενός
προγνωστικού μοντέλου της μετοχής χρησιμοποιώντας μηχανική μάθηση. Η
παρούσα διατριβή ακολουθεί την τελευταία προσέγγιση, στην οποία παρουσιάζεται
ένας αλγόριθμος μηχανικής μάθησης με δεδομένα ιστορικού αποθέματος. Ο
αλγόριθμος χρησιμοποιεί αυτές τις πληροφορίες για να εκπαιδεύσει ένα μοντέλο
που αναμένεται να συνάγει μελλοντικές τιμές με βάση τις πρόσφατες πληροφορίες
τιμών. Η μηχανική μάθηση είναι ένα μεγάλο πεδίο στην επιστήμη των υπολογιστών
και βρίσκεται υπό συνεχή ανάπτυξη. Οι ανακαλύψεις σε μια οικογένεια μοντέλων
μηχανικής μάθησης γνωστών ως τεχνητά νευρωνικά δίκτυα έχουν προκαλέσει
αυξημένο ενδιαφέρον για αυτά τα μοντέλα, συμπεριλαμβανομένης της εφαρμογής
τους για οικονομική πρόβλεψη. Με μια πληθώρα διαθέσιμων μοντέλων, η επιλογή
μεταξύ τους είναι δύσκολη, ειδικά λαμβάνοντας υπόψη τη συνεχή ροή των
αναδυόμενων μοντέλων και των τεχνικών εκμάθησης. Αρχικά, στο πρώτο κεφάλαιο
παρουσιάζεται η έννοια της μηχανικής μάθησης και τα είδη αυτής. Στο δεύτερο
κεφάλαιο της εργασίας αναλύεται η έννοια του χρηματιστηρίου. Οι κανόνες που το
διέπουν, τα στοιχεία τα οποία είναι απαραίτητα να είναι γνωστά έτσι ώστε να
υπάρχει πλήρης κατανόηση της δημιουργίας των μοντέλων πρόβλεψης. Εν συνεχεία,
το τρίτο κεφάλαιο αφιερώθηκε στην ανάλυση του ορισμού της πρόβλεψης και των
αρχών που την διέπουν. Παρουσιάζονται οι βασικότερες μέθοδοι πρόβλεψης και
τέλος εξετάζονται τα μέτρα αξιολόγησης και τα ενδεχόμενα σφάλματα. Στο τέταρτο
κεφάλαιο προσεγγίζονται οι κυριότερες χρονοσειρές που σε συνδυασμό με το
επιλεγμένο προβλεπτικό μοντέλο θα συγκροτήσουν τον αλγόριθμο ώστε να στηθεί
το νευρωνικό δίκτυο για την πρόβλεψη της τιμής μιας μετοχής. Στο πέμπτο κεφάλαιο
γίνεται θεωρητική εισαγωγή στα νευρωνικά δίκτυα, παρουσιάζεται η αρχιτεκτονική
τους και αναλύονται τα βασικότερα νευρωνικά τεχνητά δίκτυα. Τέλος, στο έκτο
κεφάλαιο θα γίνει ο πειραματικός έλεγχος με τη χρήση κατάλληλων λογισμικών και
κλείνοντας θα γίνει η συμπερασματική προσέγγιση των αποτελεσμάτων.