Model sieci neuronowej do prognozowania cen na gie¿dzie

Gie¿dy papierów warto¿ciowych s¿ uwäane za g¿ównych graczy w sektorze finansowym wielu krajów. Na takich gie¿dach to maklerzy realizuj¿ transakcje gie¿dowe i doradzaj¿ klientom, gdzie inwestowä. Wi¿kszo¿¿ z tych maklerów wykorzystuje analiz¿ techniczn¿, fundamentaln¿ lub szeregów czasowych, próbuj¿c przewidzie¿ przysz¿e ceny akcji, aby doradzä klientom w zakresie odpowiednich inwestycji. Strategie te zazwyczaj nie gwarantuj¿ jednak dobrych zwrotów, poniewä opieraj¿ si¿ na trendach, a nie na najbardziej prawdopodobnej cenie transakcyjnej w przysz¿o¿ci. Konieczne jest zatem poszukiwanie ulepszonych metod prognozowania. W ramach badä wykorzystano sztuczn¿ sie¿ neuronow¿ (ANN) typu perceptron wielowarstwowy z propagacj¿ b¿¿du wstecz (MLP), w celu opracowania modelu ANN o konfiguracji 5:21:21:1, wykorzystuj¿cego 80% danych do szkolenia w 130 000 cyklach. Nast¿pnie w ramach badä opracowano prototyp i przetestowano go przy u¿yciu danych z lat 2008-2012 pochodz¿cych z ró¿nych rynków akcji, takich jak Gie¿da Papierów Warto¿ciowych w Nairobi (NSE) i Gie¿da Papierów Warto¿ciowych w Nowym Jorku (NYSE). Wyniki wykazäy, ¿e model prognozowä ceny z wskänikiem MAPE wynosz¿cym od 0,71% do 2,77%. Walidacja przeprowadzona przy u¿yciu programów Neuroph i Encog wykazäa zbli¿ony wskänik RMSE. Model ten mo¿e zatem by¿ wykorzystywany do prognozowania na dowolnym typowym rynku akcji.