摘要：Artykuł obejmuje swoim zakresem wykorzystanie sieci neuronowych do wspomagania procesu decyzyjnego na rynku kapitałowym. Autor podjął się wykazania skuteczności przyjętych rozwiązań w polskich realiach charakteryzujących się odmiennymi uwarunkowaniami w stosunku do rynków państw wyżej rozwiniętych. Celem pracy było również wykazanie, że sieci neuronowe stanowią bardzo elastyczne narzędzie pozwalające na dostosowanie się do wymagań inwestora, a zarazem na zredukowanie wymagań w stosunku do jego doświadczenia. Artykuł opiera się na własnych badaniach autora, które wykonał modelując za pomocą programu symulującego działanie sieci neuronowych. Przyjęte rozwiązania jako punkt wyjścia wykorzystują portfel akcji wyliczony w oparciu o teorię portfelową Markowitza i model Sharpa. Zgodnie z przyjętymi tezami tak utworzony portfel modyfikowany jest przez sieć neuronową w celu optymalizacji kryterium, jakim jest maksymalizacja zysku tak modyfikowanego portfela. Przedstawiono dokładną genezę przyjętego wektora wyjściowego i struktury sieci. Umożliwia to czytelnikowi przeprowadzenie własnych badań i ustosunkowanie się do zastosowanych wielkości. Pokazano rezultaty badań opartych na rzeczywistych danych giełdowych z wykorzystaniem jednowyjściowych sieci przewidujących cenę jednej spółki - Agrosu, a także sieci przewidujących pożądaną strukturę całego portfela. Przebadano wpływ struktury sieci, parametrów uczenia, wektora wejściowego (zarówno pod względem ilości wejść, jak i okresu czasu, z jakiego były pobierane). Wskazano również na zależności występujące między wymienionymi wyżej czynnikami, np. między wektorem wejściowym i strukturą sieci. Wydaje się, iż udowodniono, że mało rozpowszechnione metody wykorzystujące sieci neuronowe mogą stanowić konkurencyjne narzędzie w stosunku do innych metod optymalizacyjnych.
关键词：decyzje inwestycyjne; sieci neuronowe; analiza portfelowa; Giełda Papierów Wartościowych; teoria portfelowa Markowitza; model Sharpe'a
Loading...
