Модель прогнозування динаміки вартості цінних паперів на ринку micex із застосуванням нейронної мережі зустрічного розповсюдження

Loading...
Thumbnail Image
Date
2012
Journal Title
Journal ISSN
Volume Title
Publisher
ДВНЗ «Київський національний університет імені Вадима Гетьмана»
Abstract
У статті розроблено модель прогнозування динаміки вартості цінних паперів. Прогнозування здійснюється на основі високочастотних даних коливання цін. Запропонована модель ґрунтується на використанні апарату штучних нейронних мереж зустрічного розповсюдження, які складаються із шару нейронів Кохонена та шару нейронів Гроссберга. Запропоновано стратегію використання зазначеної моделі в ринкових умовах з метою отримання доходу та оцінено її прибутковість.
The article develops a predictive model of the dynamics of the value of the securities. The prediction is based on high-frequency data price fluctuations. The proposed model is based on the use of artificial neural networks counter-propagation, which consists of a layer of neurons in the Kohonen layer and the Grossberg neurons. The article proposes a strategy for the use of this model in market conditions with the aim of generating income and its profitability is assessed in the paper.
Description
Keywords
прогнозування, цінні папери, акція, спекуляція, штучна нейрона мережа, нейронна мережа зустрічного розповсюдження, шар Кохонена, шар нейронів Гроссберга, самоорганізація, forecasting, securities, stocks, speculation, high frequency finance, artificial neural network counterpropagation neural network, Kohonen and Grossberg layers of neurons, self-organization
Citation
Кайданович Д. Б. Модель прогнозування динаміки вартості цінних паперів на ринку micex із застосуванням нейронної мережі зустрічного розповсюдження / Д. Б. Кайданович // Моделювання та інформаційні системи в економіці : зб. наук. пр. / М-во освіти і науки, молоді та спорту України, ДВНЗ «Київ. нац. екон. ун-т ім. Вадима Гетьмана» ; редкол.: В. К. Галіцин (відп. ред.) [та ін.]. – Київ : КНЕУ, 2012. – Вип. 86. – С. 273–288.