Previsione del mercato azionario e analisi dell'efficienza con le reti neurali ricorrenti

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 2 voti.

Titolo originale:

Stock Market Prediction and Efficiency Analysis using Recurrent Neural Network

Contenuto del libro:

Relazione di progetto dell'anno 2018 nella materia Informatica - Informatica Tecnica, corso: Computer Science, language: English, abstract: La modellazione e la previsione del mercato finanziario sono stati un argomento interessante per studiosi e ricercatori di vari settori accademici. Il mercato finanziario è un concetto astratto in cui le transazioni di beni finanziari come azioni, obbligazioni e metalli preziosi avvengono tra acquirenti e venditori.

Nell'attuale scenario del mercato finanziario, in particolare nel mercato azionario, la previsione dell'andamento o del prezzo dei titoli utilizzando tecniche di apprendimento automatico e reti neurali artificiali è il tema più interessante da indagare. Come ha spiegato Giles, la previsione finanziaria è un'istanza del problema dell'elaborazione dei segnali, difficile a causa dell'elevato rumore, della ridotta dimensione del campione, della non stazionarietà e della non linearità. Le caratteristiche di rumorosità implicano un divario informativo incompleto tra il prezzo e il volume degli scambi azionari passati e il prezzo futuro.

Il mercato azionario è sensibile all'ambiente politico e macroeconomico.

Tuttavia, questi due tipi di informazioni sono troppo complessi e instabili da raccogliere. Le informazioni di cui sopra che non possono essere incluse nelle caratteristiche sono considerate come rumore.

La dimensione del campione dei dati finanziari è determinata dai record delle transazioni del mondo reale. Da un lato, una maggiore dimensione del campione si riferisce a un periodo più lungo di registrazioni delle transazioni; dall'altro, una grande dimensione del campione aumenta l'incertezza dell'ambiente finanziario durante il periodo di campionamento. In questo progetto, utilizziamo dati azionari invece di dati giornalieri per ridurre la probabilità di rumore incerto e aumentare relativamente la dimensione del campione entro un certo periodo di tempo.

Per non stazionarietà si intende che la distribuzione dei dati azionari varia nel tempo. La non linearità implica che la correlazione delle caratteristiche dei singoli titoli è varia. L'ipotesi del mercato efficiente è stata sviluppata da Burton G.

Malkiel nel 1991.