Analiza doboru danych uczących w predykcji indeksu giełdowego mgr Marcin Jaruszewicz dr hab. Jacek Mańdziuk.

Prezentacja na temat: "Analiza doboru danych uczących w predykcji indeksu giełdowego mgr Marcin Jaruszewicz dr hab. Jacek Mańdziuk."— Zapis prezentacji:

1 Analiza doboru danych uczących w predykcji indeksu giełdowego mgr Marcin Jaruszewicz dr hab. Jacek Mańdziuk

2 Plan prezentacji Kontekst eksperymentów Cele badań Wybór układów giełd Wybór zmiennych wejściowych Wybór metod - dyskusja

3 Kontekst eksperymentów Określenie problemu Założenia Uwzględnienie wielu giełd Uwzględnienie wskaźników walutowych Układ wyjściowy do predykcji

4 Kontekst eksperymentów Dane wejściowe źródłowe Wartości O,C,H,L Dane wygenerowane Przekształcenia statystyczne Przekształcenia analizy technicznej Dzień predykcji

5 Kontekst eksperymentów Predykcja Wartość prognozowana Predykcja klasyczna Zmienność zależności Predykcja krokowa

6 Cele badań Wybór układu giełd Metody Wybór zmiennych wejściowych Metody Nauka klasyczna i prognoza Nauka krokowa i prognoza Automatyczny dobór zmiennych wejściowych Statystyczne porównanie wyników

7 Wybór układów giełd Schemat układu giełd: Ameryka, Europa, Azja (w dowolnej kolejności), stosunek USD/EUR, USD/JEN Wybór schematu według kryterium przewidywanej skuteczności nauki sieci neuronowej Metoda określenia przewidywanej skuteczności: analiza macierzy wyników

8 Krótka charakterystyka metod Sieć neuronowa Maksymalna sieć Próba nauki Macierz wag sieci neuronowej Analiza wpływu poszczególnych wejść na wyjście Autokorelacja Macierz autokorelacji Analiza współczynników macierzy

9 Krótka charakterystyka metod PCA Macierz autokorelacji Określenie kierunków największej wariancji Metoda przybliżona vs dokładna Analiza współczynników macierzy przekształcenia PCA

10 Krótka charakterystyka metod ICA Określenie zmiennych niezależnych Metoda przybliżona vs dokładna Analiza współczynników macierzy przekształcenia ICA

11 Wybór układów giełd – AC bez kroku

12 Wybór układów giełd – AC z krokiem

13 Wybór układów giełd – NN bez kroku

14 Wybór układów giełd – NN z krokiem

15 AC bez krokuAC z krokiemSN bez krokuSN z krokiem DJIA+FTSE100+ KOSPI DAX+KOSPI+ S&P500 CAC40+KOSPI+ DJIA KOSPI+FTSE100 + AMEX DAX+KOSPI+ DJIA CAC40+KOSPI+ S&P500 NIKK225+ FTSE100+AMEX CAC40+KOSPI+ NSDQ100 FTSE100+ KOSPI+S&P500 FTSE100+ KOSPI+DJIA FTSE100+KOSPI +NSDQCOMP CAC40+KOSPI+ NSDQCOMP DAX+KOSPI+ DJIA

16 Wybór układów giełd - obserwacje Obie metody autokorelacji wskazały jako najkorzystniejszy układ DJIA+FTSE100+KOSPI. Obie grupy metod (autokorelacja, nauka SN) wskazały całkowicie różne układy giełd. Metody oparte na autokorelacji wskazały jako najkorzystniejsze do predykcji (pierwsza giełda w układzie) giełdy amerykańskie i azjatyckie.

17 Wybór układów giełd - obserwacje Metody oparte na nauce SN wskazały jako najkorzystniejsze do predykcji (pierwsza giełda w układzie) giełdy europejskie. Najbardziej jednoznaczne wyniki zostały uzyskane metodami uwzględniającymi krok zmian zależności. Metody globalne, które nie uwzględniały kroku dały niejednoznaczne wyniki.

18 Wybór zmiennych wejściowych Liczba zmiennych wejściowych Wybór według kryterium przewidywanej skuteczności nauki sieci neuronowej Powiązanie z metodą wyboru układu giełd Metoda określenia przewidywanej skuteczności: analogiczna do wyboru układu giełd

19 Wybór metod - dyskusja Sieć neuronowa Macierz autokorelacji PCA ICA

20 Analiza doboru danych uczących w predykcji indeksu giełdowego Dziękuję za uwagę!