velikost textu

Stock Markets Analysis Using New Genetic Annealed Neural Network

Upozornění: Informace získané z popisných dat či souborů uložených v Repozitáři závěrečných prací nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora.
Název:
Stock Markets Analysis Using New Genetic Annealed Neural Network
Název v češtině:
Analýza akciových trhů s využitím nové geneticky žíhané neuronové sítě
Typ:
Rigorózní práce
Autor:
Mgr. Robert Verner
Vedoucí:
PhDr. Jozef Baruník, Ph.D.
Oponent:
prof. Ing. Miloslav Vošvrda, CSc.
Id práce:
120513
Fakulta:
Fakulta sociálních věd (FSV)
Pracoviště:
Institut ekonomických studií (23-IES)
Program studia:
Ekonomické teorie (N6201)
Obor studia:
Ekonomie (E)
Přidělovaný titul:
PhDr.
Datum obhajoby:
21. 3. 2012
Výsledek obhajoby:
Prospěl/a
Jazyk práce:
Angličtina
Klíčová slova:
analýza akciových výnosov, neurónové siete, genetické algoritmy, simulované žíhanie, hybridné siete
Klíčová slova v angličtině:
stock returns analysis, neural networks, genetic algorithms, simulated annealing, hybrid networks
Abstrakt:
Abstrakt Predložená rigorózna práca je zameraná na analýzu výnosov akciových trhov s využitím nového typu neurónovej siete. V prvej kapitole sú popísané teoretické základy predikcie finančných časových rád, Hypotézy efektívnych trhov a štandardne používané predpovedné modely. Nasledovná časť približuje biologickú podstatu, základné princípy a fungovanie neurónových sietí, ich architektúru a niekoľko najznámejších učebných algoritmov ako Sklon gradientu, Levenberg-Marquardtov algoritmus či Konjugovaný gradient. Rovnako zmieňuje určité nevýhody, ktoré ovplyvňujú výkonnosť a efektivitu neurónových sietí. Tretia kapitola je venovaná dvom použitým metaheuristickým metódam, t.j. genetickým algoritmom a simulovanému žíhaniu, ktoré boli integrované do prostredia neurónových sietí na odstránenie zmienených nedostatkov. Ďalšia kapitola ilustruje detaily predstavenej hybridnej siete, zatiaľ čo posledná časť je sústredená na ohodnotenie celkových výsledkov jednotlivých modelov. Ukazuje, že vytvorená hybridná sieť na pozorovanej vzorke jasne prekonala bežné modely i klasické neurónové siete a vo väčšine prípadov dosahuje najmenšiu strednú štorcovú chybu spomedzi všetkých testovaných metód. Kľúčové slová: analýza akciových výnosov, neurónové siete, genetické algoritmy, simulované žíhanie, hybridné siete JEL klasifikácia: C32, C45, C53, E44, G14, G15
Abstract v angličtině:
Abstract The presented rigorosis thesis is focused on the stock markets returns analysis using a new type of neural network. First chapter of the thesis describes the underlying theory of the financial time series prediction, Efficient Market Hypothesis and conventional forecasting models. Following part illustrates biological framework, basic principles, functioning of neural networks, their architecture and several well-known learning algorithms such as Gradient descent, Levenberg-Marquardt algorithm or Conjugate gradient. It also mentions certain disadvantages which influence the performance and effectiveness of neural networks. Third chapter is devoted to two applied metaheuristic techniques, i.e. genetic algorithms and simulated annealing that were integrated into neural networks framework to eliminate above mentioned drawbacks. Next chapter describes details of presented hybrid network, whereas the last section is aimed at evaluation of overall results of all models. It shows that on the examined sample hybrid network clearly outperformed standard techniques as well as ordinary neural networks and in most cases achieved the least mean squared error among all explored methods. Keywords: stock returns analysis, neural networks, genetic algorithms, simulated annealing, hybrid networks JEL classification: C32, C45, C53, E44, G14, G15
Dokumenty
Stáhnout Dokument Autor Typ Velikost
Stáhnout Text práce Mgr. Robert Verner 2.56 MB
Stáhnout Příloha k práci Mgr. Robert Verner 96 kB
Stáhnout Abstrakt v českém jazyce Mgr. Robert Verner 117 kB
Stáhnout Abstrakt anglicky Mgr. Robert Verner 7 kB
Stáhnout Posudek vedoucího PhDr. Jozef Baruník, Ph.D. 108 kB
Stáhnout Posudek oponenta prof. Ing. Miloslav Vošvrda, CSc. 173 kB
Stáhnout Záznam o průběhu obhajoby 1.23 MB