Wykorzystanie algorytmów genetycznych do krótkookresowych prognoz na giełdzie papierów wartościowych

• Autorzy: Adam Kucharski

Warianty tytułu

Stock Short-Term Forecasting Using Genetic Algorithms

• Języki publikacji: PL

Abstrakty

Podejmowanie każdej decyzji inwestycyjnej zakłada przyjęcie jakiegoś horyzontu inwestycji. W tym momencie do głosu dochodzi upływ czasu i pojawia się pole do popisu dla prognozowania. Prezentowana praca zawiera pewną propozycję podejścia do tego tematu i mieści w sobie rozwinięcie badań przeprowadzonych przez autora w 2005 roku. Punktem wyjścia stały się modele niestrukturalne, a konkretnie najprostsze spośród nich, czyli metody naiwne. Sięgnięcie po właśnie te a nie inne metody nie oznacza wcale, że otrzymane prognozy muszą być gorszej jakości niż w przypadku zastosowania bardziej skomplikowanych podejść. Tym niemniej stajemy niekiedy wobec sytuacji, w której tradycyjne i dobrze poznane metody okazują się bezradne. Przypomnijmy w tym miejscu, iż u podstaw prognozowania niestrukturalnego leży założenie, że cała potrzebna do wykonania prognozy informacja znajduje się w samym szeregu, a wydobywa się ją poprzez proces jego dekompozycji na poszczególne składowe. Wszakże niektóre spośród spotykanych zachowań (np. układanie się obserwacji w serie lub pojawianie się punktów zwrotnych) potrafią w znaczący sposób utrudnić wykorzystanie wspomnianej przed chwilą dekompozycji. (fragment tekstu)

EN

Stock decisions are related to duration of investment. This work presents a proposal of usage of genetic algorithms to short-term forecasting. The computations were made for chosen instruments from Warsaw Stock Exchange. Starting point are the naive methods belonging to nonstructural models of prediction. The algorithm uses a special parameter that represents a maximum, acceptable lag of observation becoming prognosis for a given period. This resembles the naive model taking seasonality into consideration. The difference is that in our case, the lag can change during calculations in order to achieve the best adjusting of ex post prognosis to data. In this way, we can make short-term forecasts in series containing random fluctuations and linear trend.(original abstract)

Słowa kluczowe

PL

Rynek kapitałowy; Giełda papierów wartościowych; Prognozowanie; Algorytmy genetyczne

EN

Capital market; Stock market; Forecasting; Genetic algorithms

• Czasopismo: Zeszyty Naukowe Uniwersytetu Szczecińskiego. Finanse, Rynki Finansowe, Ubezpieczenia
• Rocznik: 2007
• Numer: nr 6, Cz. II Rynek kapitałowy: skuteczne inwestowanie
• Strony: 135--145

Twórcy

autor

Adam Kucharski

• Uniwersytet Łódzki

Bibliografia

• Cieślak M. (red) [2001], Prognozowanie gospodarcze. Metody i zastosowania, PWN
• Gajda J.B. [2001] .Prognozowanie i symulacje a decyzje gospodarcze, C.H. Beck
• Goldberg D. [1995] Algorytmy genetyczne i ich zastosowania, WNT, Warszawa
• Kucharski A. [2005], O pewnym zastosowaniu algorytmów genetycznych do prognozowania szeregów czasowych, 24 Konferencja Metody i Zastosowania Badań Operacyjnych (w druku)
• Michalewicz Z. [1996] Algorytmy genetyczne + struktury danych = programy ewolucyjne, WNT, Warszawa
• Zeliaś A. [1997] Teoria prognozy, PWE, Warszawa