Kryteria wyboru architektury sieci neuronowych - finansowe czy błędu prognozy

• Autorzy: Henryk Marjak

Warianty tytułu

Selection Criteria of Architecture for Neural Networks - Financial or Prediction Error Criterion

• Języki publikacji: PL

Abstrakty

Klasyczne podejście do zastosowania sieci neuronowych w prognozowaniu finansowych szeregów czasowych to trenowanie modeli sieci, aż do uzyskania oczekiwanej miary błędu predykcji. W pracy porównano miary błędów predykcji oraz odpowiadające im kryteria finansowe. Za pomocą wybranych metod analizy statystycznej określono relację oraz jej siłę pomiędzy kryteriami wyboru, a wynikiem finansowym. Obliczenia przeprowadzono dla indeksu WIG20. (abstrakt oryginalny)

EN

The traditional approach to the implementation of neural networks in forecasting financial time series consists in the training of networks models until the expected measure of the prediction error is achieved. In the present study the measures of prediction errors and their corresponding financial criteria were compared. By means of regression analysis the power of relation between the criteria of selection and the financial result was determined. The calculations were made for the WIG20 index. (original abstract)

Słowa kluczowe

PL

Sieci neuronowe; Prognozowanie; Szeregi czasowe; Podejmowanie decyzji finansowych

EN

Neural networks; Forecasting; Time-series; Decision making of finance

• Czasopismo: Studia i Materiały Polskiego Stowarzyszenia Zarządzania Wiedzą
• Rocznik: 2009
• Tom: 22
• Strony: 107--114

Twórcy

autor

Henryk Marjak

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie

Bibliografia

• Deboeck G.J. (ed): Trading on the edge: neural, genetic, and fuzzy systems for chaotic and financial markets, John Wiley&Sons, 1994.
• Bengio Y.: Training a neural network with a financial criterion rather than a prediction criterion, in Proc. Fourth Int. Conf. Neural Networks Capital Markets, A.S. Weigend, Y. Abu-Mostafa, A.-P.N. Refenes, Eds., 1997, pp. 36-48.
• Azoff E.M.: Neural network time series forecasting of financial markets, John Wisley&Sons, 1994.
• Kimoto T., Asakawa K., Yoda M., Takeoka M.: Stock market prediction system with modular neural networks. In Proceedings of the International Joint Conference on Neural Networks. San Diego, 1990, pp. I-.6.
• Judge G.G., Griffiths W.E., Hill R.C., Lee T.: The theory and practice of econometrics. John Wiley & sons, 1980.
• Rumelhart D.E., McClelland J.L., 1986, Parallel Distributed Processing, volume 1, MIT Press, Cambridge.
• Toulson D.L., Toulson S.P.: Use of Neural Network Ensembles for Portfolio Selection and Risk Management. NeuroCOLT Technical Report Series, NC-TR-96-046, 1996.