Modele neuronowe wspomagające prognozowanie cen pszenicy konsumpcyjnej na zdecentralizowanym rynku towarowym

• Autorzy: Krzysztof Koszela , Maciej Zaborowicz

Warianty tytułu

Neural Models for Predicting the Prices of Consumption Wheat on a Decentralised Commodity Market

• Języki publikacji: PL

Abstrakty

Celem pracy jest zbadanie możliwości wygenerowania i wykorzystania modeli neuronowych w predykcji najniższej oraz najwyższej dziennej ceny pszenicy konsumpcyjnej na rynku Forex. Dokonano analizy parametrów wejściowych i przygotowano zbiory uczące sieci neuronowych, tak by możliwe było wygenerowanie modeli neuronowych. Po wygenerowaniu sztucznych sieci neuronowych przeprowadzono analizę wrażliwości, a także przebudowano zbiór uczący, poszerzając go jednocześnie o dane niezbędne do prawidłowego prognozowania ceny.(abstrakt oryginalny)

EN

The aim of the study was to investigate the possibility of generating and using neural models for predicting the lowest and highest daily rates of consumption wheat in the Forex market. Input parameters and prepared learning sets of neural network are analysed with a view to generating neural models. After the artificial neural networks were generated, a sensitivity analysis was done and the learning set rebuilt. The set data required to properly forecast prices were added to the new training.(original abstract)

Słowa kluczowe

PL

Sztuczne sieci neuronowe (SSN); Prognozowanie cen; Rynki towarowe; Zboża

EN

Artificial neural networks (ANN); Prediction of prices; Commodity markets; Corn

• Czasopismo: Zeszyty Naukowe / Uniwersytet Ekonomiczny w Krakowie
• Rocznik: 2014
• Numer: nr 11 (935)
• Strony: 113--122

Twórcy

autor

Krzysztof Koszela

• Uniwersytet Przyrodniczy w Poznaniu

autor

Maciej Zaborowicz

• Uniwersytet Przyrodniczy w Poznaniu

Bibliografia

• Galant M., Dolan M. [2007], Currency Trading for Dummies, Wiley Publishing, Hoboken.
• Worrachate A., Goodman D. [2012], Currency Trading at $5 Trillion a Day Surpassed Pre-Lehman High, BIS Says, Bloomberg.
• Dominiak J. [2012], Forex urywa ręce, Wyborcza.biz (data dostępu: 10.11.2012).
• Domaradzki R. [2007], Zastosowanie sieci neuronowych do wspomagania decyzji inwestycyjnych, Praca doktorska, Akademia Górniczo-Hutnicza w Krakowie, Kraków.
• Frydrychowicz W., Szymańska K. [2008], Zagadnienie sztucznych sieci neuronowych w dynamicznych procesach niestandardowej ekonomii, Scientific Bulletin of Chełm Section of Mathematics and Computer Sience, nr 1.
• Karpuś P., Węsławski J. [2009], Rynek finansowy w erze zawirowań, UMCS w Lublinie, Lublin.
• Pring M. [2010], Analiza techniczna dla inwestorów krótkoterminowych, Grube Ryby.
• Matinez J. [2012], 10 fundamentalnych zasad na rynku Forex. Strategie osiągania zysku, Onepress.
• Kochan K. [2009], Forex w praktyce. Vademecum inwestora walutowego, Onepress.
• Wyrozumski T. [2005], Sieci neuronowe a energetyka - prawdy i mity o prognozowaniu [w:] Rynek energii elektrycznej: bezpieczeństwo energetyczne Polski w strukturze Unii Europejskiej, Materiały XI Konferencji Naukowo-Technicznej, t. II, Wydawnictwo Politechniki Lubelskiej, Lublin.
• Zieliński G. [2010], Wykorzystanie sztucznych sieci neuronowych do prognozowania upadłości przedsiębiorstw, Wyższa Szkoła Zarządzania i Administracji w Zamościu, Publikacje Koła Metod Sztucznej Inteligencji, http://student.wszia.edu.pl/~msi/?m=pu (data dostępu: 10.05.2012).

Identyfikatory

DOI

10.15678/ZNUEK.2014.0935.1107