Prognozowanie cen akcji przy pomocy sieci neuronowych

Abstract

Przewidywanie wartości cen akcji jest podstawowym i zarazem najtrudniejszym elementem inwestycji na giełdzie papierów wartościowych. Inwestorzy od lat posługują się różnymi narzędziami w celu określenie przyszłych wartości walorów, a jednocześnie przyjęcia pewnej strategii postępowania. Wyróżnia się dwa podstawowe sposoby inwestowania na giełdzie: inwestowanie długoterminowe i krótkoterminowe, zwane także przez niektórych spekulowaniem. Inwestycje długoterminowe muszą zostać poparte skuteczną analizą fundamentalną, dającą inwestorowi informacje na temat kondycji spółki, jej przewidywanego rozwoju czy sytuacji finansowej. Na tej podstawie podejmuje on decyzje o kupnie lub sprzedaży akcji danej firmy. O ile inwestycje długoterminowe wydają się być poparte konkretnymi przesłankami, o tyle inwestycje krótkoterminowe nie muszą mieć nic wspólnego z samą spółką, której akcje wykorzystujemy do spekulacji. Coraz częściej możliwość zarobienia na giełdzie wiąże się właśnie z grą krótkoterminową (często jest to otwarcie i zamkniecie pozycji w ciągu jednego dnia), szczególnie w przypadku mniejszych inwestorów dla których istotna jest duża płynność kapitału. W swoich przewidywaniach wykorzystują oni w znacznej mierze narzędzia analizy technicznej biorące pod uwagę takie czynniki jak: wartości obrotów, minimalna i maksymalna cena w ciągu roku czy zmiany cen akcji – analizując różnego rodzaju wskaźniki starają się przewidzieć przyszłe wartości cen akcji. Niestety, proste modele liniowe wykorzystywane w narzędziach analizy technicznej, a także ogrom informacji koniecznych do przeanalizowania powodują, że prognozy te nie są w stanie w pełni określić zachowania się tak złożonego rynku, jakim jest giełda papierów wartościowych i często warunkiem efektywnej gry jest doświadczenie lub nawet intuicja gracza. Tu właśnie pojawia się miejsce na zastosowanie sztucznych sieci neuronowych, które pozwalają na szybkie przetworzenie ogromnej ilości danych i podjęcie obiektywnych i pozbawionych emocji decyzji. Niniejsza praca przedstawia sposób przewidywania przyszłych wartości cen akcji dzięki zastosowaniu systemu wykorzystującego sztuczne sieci neuronowe. Sztuczne sieci neuronowe należą do dziedziny nauki zwanej Sztuczną Inteligencją. Inne gałęzi tej dziedziny to Systemy Eksperckie, Algorytmy genetyczne, Logika Rozmyta i Teoria Chaosu. W uproszczeniu sztuczne sieci neuronowe potrafią„przewidywać” wartość wyjściową na podstawie przedstawionych wartości wejściowych. Warunkiem działania sieci jest jej „wytrenowanie” polegające na prezentacji określonych wartości wejściowych i związanych z nimi wynikami. Prezentacja danych i trenowanie sieci jest najbardziej czasochłonną, a zarazem najistotniejszą częścią tworzenia systemu. W pracy przedstawiono zarówno podstawy działania sztucznych sieci neuronowych, jak i kroki konieczne do stworzenia systemu prognozującego. Szczególnie duży nacisk położony został na dobór odpowiednich zmiennych wejściowych, gdyż to właśnie one są źródłem „wiedzy” sztucznej sieci neuronowej.