Wykorzystanie sieci neuronowych do prognozowania szeregów finansowych o wysokiej częstotliwości, na przykładzie notowań akcji na GPW w Warszawie

• Autorzy: Przemysław Garsztka , Marek Łażewski

Warianty tytułu

Application of Neural Networks to Predicition of Financial Time - Series of High Fequency of Stock Listed on Warsaw Stock Exchange

• Języki publikacji: PL

Abstrakty

W ciągu ostatnich lat gwałtowny rozwój rynków kapitałowych oraz technologii informatycznych spowodował możliwość gromadzenia informacji, dotyczących cen instrumentów finansowych, obserwowanych w odstępach czasowych krótszych niż dzień. Obecnie dostępne są bazy danych, zawierające dane rejestrowane w zasadzie w dowolnych odstępach czasu, a także ceny wszystkich transakcji zawieranych na rynku giełdowym w systemie notowań ciągłych. (fragment tekstu)

EN

In this paper there is undertaken an attempt at prediction of stock prices using ANN (Artificial Neural Network) on the basis of high frequency time - series from Warsaw Stock Exchange. ANN has been used to arrive at forecast of size, value, and number of transactions during next day. The most popular types of ANN have been used in the paper.(original abstract)

Słowa kluczowe

PL

Rynki giełdowe; Bazy danych; Akcje; Prognozowanie notowań giełdowych; Instrumenty finansowe; Sieci neuronowe

EN

Stock markets; Databases; Shares; Stock exchange prediction; Financial instruments; Neural networks

• Czasopismo: Zeszyty Naukowe / Akademia Ekonomiczna w Poznaniu
• Rocznik: 2005
• Numer: nr 55
• Strony: 95--110

Twórcy

autor

Przemysław Garsztka

autor

Marek Łażewski

Bibliografia

• Barnett W.A., Kirrnan A.P., Salmon M. (eds.), Nonlinear Dynamics and Economics, Cambridge University Press, Cambridge 1996.
• Basii D., Stock Price Predictions by Recurrent Multi-layer Neural Network Architectures, Neural Networks in Financial Engineering 1996, 2, 331-340.
• Baum E., Haussler D., What Size Net Gives Valid Generalization, Neural, Computation 1998, 1.
• Dacogorana M.M., Gencay R., Muller U.A., Olsen R.B., Pictet O.V., An Introduction to High Frequency Finance, Harcourt's Academic Press, 2000.
• Engle F. R., Autoregessive Conditional Heteroscedascity with Estimates of the Variance of United Kingdom Inflation, Econometrica 50, 1982, 4, 997-1007.
• Garsztka P., Matuszewski, P., Wieloch K., Analiza płynności papierów wartościowych notowanych w systemie WARSET, red. W. Milo, Acta Universalis Lodziensis, Folia Oeconomica 2003, 166, 225-239.
• Gatley E., Sieci neuronowe. Prognozowanie finansowe i projektowanie systemów transakcyjnych, Wig-Press, Warszawa 1999.
• Haefke C, Helmenstein C, Predicting Stock Market Averages to Anhance Profitable Trading Strategies, Neural Networks in Financial Engineering 1997, 2, 378-289.
• Hiemstra Y., Linear Regression versus Backpropagation Networks to Predict Quarterly Stock Market Excess Returns, Computational Economics 1996, 9, 67-76.
• Hong P., Rognvaldsson T., A Neural Network Approach to Futures Trading, Neural Networks in Financial Engineering, 1995, 2, 17-25.
• Lutkepohl H., Introduction to Multiple Time Series Analysis, Springer-Verlag, Heidelberg 1991.
• Masters T., Sieci neuronowe w praktyce, Wydawnictwo Naukowe PWN, Warszawa 1996.
• Peters E.E., Teoria chaosu a rynki kapitałowe, Wig-Press, Warszawa 1997 .
• Rachev S., Mittnik S., Stable Paretian Models in Finance, Wiley, New York 2000.
• Siriopoulos G., et. al., Applications of Artificial Neural Networks in Emerging Financial Markets, Neural Networks in Financial Engineering 1995, 2, 284-302.
• Tadeusiewicz R., Sieci neuronowe, Akademicka Oficyna Wydawnicza, Warszawa 1993.
• Tarczyński W., Fundamentalny portfel papierów wartościowych, PWE, Warszawa 2002.
• The Intertek Group, Real-Time Data, Analytics and Forecasting Systems, The Intertek Groups, Paris 1997 .
• The Swedish Neural Network Society, http://www.nada.kth.se/sans/neuro- net/SNNS.html.
• Tsibouris G, Zeidenberg M., Testing the Efficient Market Hypothesis with Gradient Descent Algorithms, w: Neural Networks in the Capital Markets, ed. A.P. References, Wiley, New York 1995 .
• Witkowska D., Sztuczne sieci neuronowe i metody statystyczne, Wydawnictwo C.H. Beck, Warszawa 2002.
• Wong F.S., Time Series Forecasting Using Backpropagation Neural Networks, Neurocomputing 1990, 2, 147-159 .
• Żurada J., Barski M., Jędruch W., Sztuczne sieci neuronowe. Podstawy teorii i zastosowania, Wydawnictwo Naukowe PWN, Warszawa 1996.