Możliwości zastosowania modelu jednokierunkowej sieci neuronowej do prognozowania sygnałów kupna i sprzedaży akcji w świetle ujęć w literaturze przedmiotu

• Autorzy: Joanna Palczewska

Warianty tytułu

The Possibility of Applying a Unidirectional Neural Network Model in Order to Forecast Share Purchase and Sale Signals in Light of Literature on the Subject

• Języki publikacji: PL

Abstrakty

"Sztuczne sieci neuronowe stanowią nowoczesne narzędzie analityczne odznaczające się unikatowymi cechami, takimi jak zdolność uczenia się, możliwość wyciągania wniosków nawet na podstawie niepełnych danych." W pracy omówiono budowę neuronu oraz przedstawiono rodzaje sieci neuronowych. Zaprezentowano także konstrukcję modelu sieci neuronowej.

EN

Financial forecasting is without doubt one of the most developed branches of applying neural networks in the field of economics. In fact, neural networks are successfully applied to solve problems in a wide variety of disciplines, such as: finance, medicine, applied engineering, geology and physics. The aim of this paper is to present the use of artificial neural networks in forecasting. The author describes a model for constructing artificial neural networks. What is important is that the construction of a neural model requires familiarity not only with statistical methods but also knowledge in the field of neural networks. The model of a neural network presented in the article shows, moreover, that artificial neural networks may be useful tools in economic forecasting.(original abstract)

Słowa kluczowe

PL

Sieci neuronowe; Akcje; Prognozowanie stóp zysku akcji

EN

Neural networks; Shares; Forecasting the return rate of shares

• Czasopismo: Zeszyty Naukowe / Akademia Ekonomiczna w Krakowie
• Rocznik: 2007
• Numer: nr 740
• Strony: 147--158

Twórcy

autor

Joanna Palczewska

Bibliografia

• Gajda J.B. [2001], Prognozowanie i symulacja a decyzje gospodarcze, Wydawnictwo C.H. Beck, Warszawa.
• Gately E. [1999], Sieci neuronowe. Prognozowanie finansowe i projektowanie systemów transakcyjnych, Biblioteka Inwestora, Warszawa.
• Kamieński W.A. [2001], Sztuczne sieci neuronowe, Zamojskie Studia i Materiały, z. 2, Wyższa Szkoła Zarządzania i Administracji w Zamościu, Zamość.
• Korbicz J., Obuchowicz A., Uciński D. [1994], Sztuczne sieci neuronowe. Podstawy i zastosowanie, Akademicka Oficyna Wydawnicza PLJ, Warszawa.
• Krawiec K., Stefanowski J. [2003], Uczenie maszynowe i sieci neuronowe, Wydawnictwo Politechniki Poznańskiej, Poznań.
• McCullock W., Pitts W. [1943], A Logical Calculus of Ideas Immanent in Nervous Activity, „Bulletin of Mathematical Riophysics”, vol. 5.
• Mierzejewski P. [2003], Sieci neuronowe w analizie prognozowania zagrożenia finansowego przedsiębiorstw, Instytut Nauk Ekonomicznych PAN, Warszawa.
• Nałęcz M. [2000], Sieci neuronowe. Akademicka Oficyna Wydawnicza Exit, Warszawa.
• Nowak E. [1998], Prognozowanie gospodarcze. Metody, modele, zastosowania, przykłady, Placet, Warszawa.
• Osowski S. [1996], Sieci neuronowe w ujęciu algorytmicznym, WNT, Warszawa.
• Rymarczyk M. [1997], Decyzje. Symulacje. Sieci neuronowe, Wydawnictwo Wyższej Szkoły Bankowej, Poznań.
• Siedlecki J. [2001], Wykorzystanie sztucznych sieci neuronowych w modelowaniu ekonomicznym, AE we Wrocławiu, Wrocław.
• Tadeusiewicz R. [1998] Elementarne wprowadzenie do techniki sieci neuronowych z przykładowymi programami, Akademicka Oficyna Wydawnicza PLJ, Warszawa.
• Witkowska D. [2002], Sztuczne sieci neuronowe i metody statystyczne. Wybrane zagadnienia finansowe, Wydawnictwo C.H. Beck, Warszawa.
• Zieliński J. [2000], Inteligentne systemy w zarządzaniu - teoria i praktyka, PWN, Warszawa.