1 / 19

Neuro-genetyczny system komputerowy do prognozowania procentowej zmiany indeksu giełdowego

2007-01-24. Neuro-genetyczny system komputerowy do prognozowania procentowej zmiany indeksu giełdowego. mgr inż. Marcin Jaruszewicz promotor: dr hab. Jacek Mańdziuk. Agenda. Elementy systemu Parametry systemu Scenariusz testów Hipotezy Wyniki. Elementy systemu.

kali
Download Presentation

Neuro-genetyczny system komputerowy do prognozowania procentowej zmiany indeksu giełdowego

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 2007-01-24 Neuro-genetyczny system komputerowy do prognozowania procentowej zmiany indeksu giełdowego mgr inż. Marcin Jaruszewicz promotor: dr hab. Jacek Mańdziuk

  2. Agenda • Elementy systemu • Parametry systemu • Scenariusz testów • Hipotezy • Wyniki

  3. Elementy systemu nauka – dobór wag połączeń między neuronami test – kolejne prognozy zmiany wartości indeksu okno 5 dni Sieci Neuronowe Sieć Neuronowa Algorytm Genetyczny Test zestaw zmiennych chromosom – sieć neuronowa zakres zmiennych: średnie, formacje, oscylatory najlepszy osobnik – zestaw zmiennych wejściowych przystosowanie – błąd sieci łącznie 370 zdefiniowanych zmiennych, 74 zmienne dostępne dla AG

  4. Parametry systemu • Algorytm genetyczny: • liczba chromosomów = 48 • maksymalna liczba iteracji = 500 • prawdopodobieństwo mutacji = 0.2/0.05 • prawdopodobieństwo krzyżowania = 1 • Sieć neuronowa • maksymalna liczba iteracji = 2000 • współczynnik uczenia = od 0.8 do 0.1 • współczynnik momentu = 0.2

  5. krok 1 290 U 290 U 290 U 5 W 5 W 5 W 5 T 5 T 5 T krok 2 … … krok 20 U – zbiór uczący, W – zbiór walidacyjny, T – zbiór testowy Scenariusz testów • Nauka na podstawie danych znanych w chwili „rozpoczęcia” nowego okna • Prognoza zmiany wartości indeksu od znanej do kolejnej wartości zamknięcia – kolejne prognozy w oknie bez douczania

  6. Algorytmy testowe • Decyzja z końca dnia k jest realizowana po cenie otwarcia w dniu k+1 przy oczekiwaniu prognozowanej zmiany wartości ceny zamknięcia w dniu k+1 • Sygnały: kupuj (jeśli prognozowana zmiana dodatnia), sprzedaj (jeśli prognozowana zmiana ujemna) • Algorytm 1 „kupuj i trzymaj” • Algorytm 2 „utrzymanie ostatniej zmiany” • Algorytm 3 „prognoza sieci neuronowej” • Algorytm 4 „prognoza oscylatora MACD”

  7. Wyróżniające cechy • Adaptacyjny dobór zmiennych • Krzyżowanie ilorazowe • Mutacja rozmiaru chromosomu • Kontekstowe prawdopodobieństwo mutacji • Dwa zestawy parametrów sterujących • Szerokie zastosowanie analizy technicznej(średnie, oscylatory, formacje) • Obecność martwych chromosomów

  8. Hipotezy • Względnie skuteczna prognoza dla horyzontu 1 dnia • Sensowne preferencje wyboru zmiennych • Istnienie istotnej zmienności zależności między parametrami (danymi) • Uzasadnienie wyboru różnych indeksów i wskaźników: DAX, NIKKEI, DJIA, USD/JPY, EUR/USD • Uzasadnienie uwzględnienia zmiennych analizy technicznej

  9. Skuteczna prognoza (1/2)

  10. Skuteczna prognoza (2/2)

  11. Preferencje zmiennych W kolejnych generacjach najlepszych chromosomów dla pojedynczego kroku • wszystkie generacje: wartość Oscylatora Stochastycznego oraz Impetu (k=10, 20) dla prognozowanej giełdy • ostatnie generacje: numer dnia w tygodniu, 20 i 10 dniowaprocentowa zmiana indeksu dla różnych dni historii oraz Oscylator Impet (k=5)

  12. Zmienność zależności (1/2) Zmienność zależności między MACD a prognozowaną wartością

  13. Zmienność zależności (2/2) Porównanie skuteczności sieci dla przesuniętego okna

  14. Uwzględnienie giełd (1/2) Zależności między zmiennymi a prognozowaną wartością

  15. Uwzględnienie giełd (2/2) • Wykorzystanie zmiennych w 20 kolejnych 5-dniowych oknach

  16. Uwzględnienie AT (1/2) Liczba wystąpień zmiennych w chromosomach w generacjach 50, 150, 250, 350

  17. Uwzględnienie AT (2/2) • krok 1: Stochastyczny i Impet • krok 2: brak oscylatorów • krok 3: Stochastyczny • krok 4: Stochastyczny i Impet • krok 5: RSI, ROC i MACD • krok 6: Stochastyczny i ROC • krok 7: Stochastyczny, Impet, Williams i MACD • krok 8: Impet i 2 średnie • krok 9: MACD • krok 10: brak oscylatorów analogicznie kolejne 10 kroków

  18. Podsumowanie • System przystosowujący się do zmian warunków na giełdzie • Sensowne wykorzystanie popularnych zmiennych analizy technicznej • 9% (min 3%) zysk hipotetycznej gry w porównaniu ze spadkiem wartości indeksu o 6% • Skuteczność gry zarówno dla trendu wzrostowego jak i spadkowego • Potwierdzenie skuteczności w niezależnych krokach oraz alternatywnym okresie testowym

  19. Dziękuję za uwagę Materiały są dostępne na stronie: jaruszewicz.com pytania uwagi

More Related