Prognozowanie wartości indeksu WIG20 z użyciem sztucznych sieci neuronowych

Arkadiusz Hryc

Abstract

Artificial Neural Networks (ANN) are currnetly gaining popularity among financial time series forecasting methods. The purpose of the study is prediction of values of the WIG20 index. Motivation to conduct the work was a huge number of the research papers confirming efficiency of ANN models in forecasting. Recurrent ANN were used in the experiment of the study. Results of this experiment allowed to confirm the hipothesis that ANN models could make predictions of WIG20 with a mean absolute percentage error (MAPE) less than 1%. Findings of this research could be used to create the investment strategy for derrivatives based on the WIG20 index.
Author Arkadiusz Hryc (WUEB)
Arkadiusz Hryc,,
- Wroclaw University of Economics and Business
Other language title versionsPredicition of the WIG20 index values with a usage of Artificial Neural Networks
Pages72-80
Publication size in sheets0.5
Book Pauka Marek, Luty Piotr (eds.): Finanse, Debiuty Studenckie - Uniwersytet Ekonomiczny we Wrocławiu, 2020, Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu, ISBN 9788376957999, 89 p.
Pauka_Luty_Finanse_.pdf / No licence information (file archived - login or check accessibility on faculty)
Keywords in Polishsieci neuronowe, prognozowanie, WIG20
Keywords in Englishneural networks, prediction, WIG20
Abstract in PolishSztuczne sieci neuronowe (SSN) są metodą zyskującą coraz większą popularność w prognozowaniu finansowych szeregów czasowych. Celem niniejszego artykułu jest predykcja wartości indeksu WIG20 przy wykorzystaniu modeli SSN. Motywacją do przygotowania prezentowanego tekstu były liczne badania potwierdzające skuteczność SSN w prognozowaniu. W przeprowadzonym eksperymencie zdecydowano się na wykorzystanie rekurencyjnych SSN. Uzyskane wyniki pozwoliły na potwierdzenie hipotezy stanowiącej, że za pomocą takich modeli możliwe jest uzyskanie prognoz indeksu WIG20, dla których średni bezwzględny błąd procentowy (MAPE) będzie mniejszy niż 1%. Wnioski z badania mogą posłużyć do budowy strategii inwestycyjnej opierającej się na instrumentach pochodnych, dla których WIG20 jest instrumentem bazowym.
Languagepl polski
File
Hryc_Prognozowanie_wartosci_indeksu_WIG20_z_uzyciem_sztucznych_sieci.pdf 450,19 KB
Score (nominal)20
Score sourcepublisherList
Citation count*
Cite
Share Share

Get link to the record


* presented citation count is obtained through Internet information analysis and it is close to the number calculated by the Publish or Perish system.
Back