140 likes | 259 Views
36NAN Semestr ální práce. Predikce ceny akcií dle dosavadního vývoje. Vstupní data. dodáno :akcie, d, datum, open, high, low, close, volume Úprava dat pro JavaNNS a GAME Dva možné směry: Důležité údaje z jednoho dne Predikce pomocí více předcházejících dat. Prvn í sítě.
E N D
36NAN Semestrální práce Predikce ceny akcií dle dosavadního vývoje
Vstupní data • dodáno :akcie, d, datum, open, high, low, close, volume • Úprava dat pro JavaNNS a GAME • Dva možné směry: • Důležité údaje z jednoho dne • Predikce pomocí více předcházejících dat
První sítě • Typ BP – zkouška různých konfigurací • Úprava dat – JavaNNS data pouze od nuly do jedné • Silná provázanost dat na vstupu • Mizerné výsledky co se hodnoty týče, zajímavější se zdá predikce trendu
Výsledky BP sítí • Různé konfigurace,nejlépe vychází 4-20-20-1 • Provázanost vstup.dat
Výsledky sítí BP • Výsledek testovací množiny nejlepší sítě
Závěr z první úlohy • Takhle by to nešlo, můžeme zapomenout na predikci hodnoty, možná použitelná predikce trendu • Příště zkusit jinou síť • Upravit vstupní data (viz provázanost vstupů) • Použít celou dodanou množinu dat
Úloha č.2 • Pokusíme se použít MIA GMDH síť • Simulujeme pomocí GAME • Nejdříve použijeme stejnou množinu dat pro srovnání výsledků s předcházející úlohou • Zkusíme upravit vstupní množinu dat
Vstupní data • Data ,,krátká“ • Učící množina 183 skupin • Testovací 50 skupin Krátká pro možnost porovnání s výsledky předcházející úlohy • Dva možné typy vstupů • Všechno (open,high,low,close) • Pouze indexy open za předchozí tři dny
Vstupní data podruhé • Data ,,dlouhá“ • Opět obě možnosti konfigurace vstupů • Komplet vektor (vektor open,high,low,close) • Tzv. ,,Triopen“ (vektor open1,open2,open3) • 2000 skupin učící množiny • 950 skupin testovací množiny
Výsledky krátké sítě • Na první pohled podstatně lepší od BP,oba typy sítě • Na druhý pohled zklamání – síť ,,triopen“ má mnohem horší výsledky (2x) než síť s původním vstupním vektorem • Co se hodnot týče, vyhodnotíme až pro mohutnější učící množiny
Výsledky ,,dlouhé“ sítě • Graf je naprosto nezřetelný (950 dat pro porovnání) • Opět ale síť ,,triopen“ končí s dvojnásobnou chybou oproti klasické
Závěr • Jasně vítězí síť GMDH • Rozhodně lepší výsledky vykazuje síť s kompletním vstupním vektorem (zřejmě dostává komplexnější informace) • Výsledky na první pohled vypadají lákavě, ALE: opak je pravdou. Při bližším zkoumání se chyba průměrně pohybuje v desítkách centů (jako predikce hodnoty naprosto nepoužitelné)
Závěr • Nadějnější je predikce trendu, chyba se pohybuje okolo 15 – 20 % • Síť by se dala použít jako jeden z ukazatelů, jako samostatný rozhodovací element je nepoužitelná • Osobně bych ji při obchodování použil, ale pouze jako jedno z rozhodovacích kritérií