Please use this identifier to cite or link to this item: http://hdl.handle.net/10889/2969
Title: Εφαρμογή αλγορίθμων και τεχνικών υπολογιστικής νοημοσύνης στην πρόβλεψη χρηματιστηριακών μεγεθών της ελληνικής αγοράς
Authors: Μαυρόγιαννη, Παναγιώτα
Issue Date: 2010-05-03T11:31:21Z
Keywords: Πρόβλεψη χρονοσειράς
Νευρωνικά δίκτυα
Keywords (translated): Timeseries prediction
Neural networks
Abstract: Στη συγκεκριμένη μελέτη γίνεται προσπάθεια για τη δημιουργία ενός υπολογιστικού πλαισίου για την ανάλυση της ελληνικής χρηματιστηριακής αγοράς. Πιο συγκεκριμένα, η εργασία πραγματεύεται τη δυνατότητα πρόβλεψης κατά την επενδυτική διαδικασία στο Χρηματιστήριο Αξιών Αθηνών, με τη χρήση τεχνικών και αλγορίθμων Υπολογιστικής Νοημοσύνης. Ειδικότερα, χρησιμοποιούνται πραγματικά δεδομένα μετοχών του χρηματιστηρίου σε ημερήσια βάση, τα οποία με κατάλληλη επεξεργασία είναι δυνατόν να μας οδηγήσουν στην κατασκευή μοντέλου πρόβλεψης. “Is the economy stupid?” αναρωτιέται ο διάσημος οικονομολόγος Alan Greenspan, ενώ μέχρι και σήμερα οι κύριες (mainstream) οικονομικές θεωρίες (π.χ. Εfficient Μarket Ηypothesis) αδυνατούν να εξηγήσουν πολλά από τα χαρακτηριστικά και τη συμπεριφορά των οικονομικών και χρηματιστηριακών αγορών. Ο όρος αυτών των χαρακτηριστικών που χρησιμοποιείται στη διεθνή βιβλιογραφία είναι “stylized facts” και αναφέρονται σε γεγονότα όπως “fat tail phenomena”, “clustered volatility” και άλλα. Το ενδιαφέρον μας εστιάζεται σε χρηματιστηριακές οικονομικές αγορές, αλλά η μελέτη μπορεί εύκολα να αναχθεί σε οποιοδήποτε επίπεδο, για παράδειγμα σε αυτό της αλληλεπίδρασης των τραπεζών στον τομέα των διατραπεζικών συναλλαγών. Προφανώς θα προτιμούσαμε να δημιουργήσουμε μια πλήρως ολοκληρωμένη χρηματιστηριακή αγορά που να προσομοιώνει πλήρως την σημερινή κατάσταση, αλλά κάτι τέτοιο μάλλον είναι αδύνατο καθώς οι οικονομικές αγορές γενικότερα είναι τόσο σύνθετες, που και μόνο η πλήρης μοντελοποίηση μίας πτυχής της κρίνεται θεωρητικά ως πράγμα αδύνατο. Η εργασία αποτελεί μια προσπάθεια πρακτικής εφαρμογής της τεχνολογίας της Υπολογιστικής Νοημοσύνης, σύμφωνα με την μεθοδολογία της οποίας η προσπάθεια μας εστιάζεται στην κατάλληλη επιλογή και κατ’ επέκταση επεξεργασία των δεδομένων. Τα δεδομένα περιέχουν πληροφορία την οποία επιθυμούμε να εξάγουμε. Για την αξιοπιστία και την αποτελεσματικότητα του μοντέλου είναι αναγκαία η διαδικασία αξιολόγησής του, κατά την οποία φαίνεται εάν το μοντέλο λειτουργεί σωστά, σύμφωνα δηλαδή με την ακρίβεια (accuracy) που το χαρακτηρίζει κατά τη δημιουργία του. Για τη διασφάλιση της κατά το δυνατό πληρότητας της μελέτης, αφού πρώτα υπολογίσουμε για κάθε μία μετοχή ξεχωριστά την ημερήσια τιμή της, όπως αυτή προκύπτει από ορισμένους, αντιπροσωπευτικούς χρηματιστηριακούς δείκτες, προσπαθούμε να δούμε κατά πόσο πλησιάζει την πραγματική τιμή κλεισίματος της αντίστοιχης μετοχής, γεγονός το οποίο παρέχει σημαντική πληροφορία σχετικά με το χρηματιστηριακό σύστημα. Για την ανάπτυξη αυτού του μοντέλου προσομοίωσης θα είχε εξαιρετικό ενδιαφέρον η χρησιμοποίηση εναλλακτικών προσεγγίσεων τόσο από την πλευρά της ψυχολογίας της αγοράς όσο και από περιοχές της θεωρίας παιγνίων.
Abstract (translated): The aim of our research is to create a computational frame for analyzing the greek stock market. Specifically, this work deals with the possibility of prediction during the investment procedure in the Stock Market of Athens, using techniques and algorithms of Computational Intelligence. We use real stock market data from the greek market on a daily basis, which with a suitable treatment can lead to the construction of the prediction model. The famous economist Alan Greenspan wonders “Is the economy stupid?”, while to this very day the mainstream economical theories (for example the efficient market hypothesis) are unable to explain plenty of the properties as well as the performance of economic and stock markets. The term for these characteristics which is used in international literature is “stylized facts” and they refer to facts such as the fat tail phenomena, clustered volatility etc. Our interest is concentrated on stock markets, but the research can easily be extended on any level, for example on the field of bank interaction during the inter-bank transactions. Apparently, we would prefer to create a fully integrated stock market which would be able to fully simulate the current situation, but something like this is rather impossible since the economical markets are in general so complex that even the full modelling of one fold is judged as a fact theoretically impossible. This work is an attempt to apply in practise the technology of Computational Intelligence according to the methodology of which our effort is focused on the suitable choice and furthermore the suitable data processing. The data contain information which we wish to extract using either supervised or unsupervised learning. In order to create a reliable and effective model, we need to evaluate it during a process which proves whether the model functions appropriately, according to the accuracy that characterises the model during its creation. In order to ensure the thoroughness of the research, since we first calculate the daily price of each participle, as it comes up from some representative stock market indexes, we try to see how much does this price approach to the real closing price of the respective participle, a fact which provides important information about the stock market system. In order to develop this simulation system it would be interesting to use different approaches not only from the field of psychology of markets but also from the field of game theory.
Appears in Collections:Τμήμα Μηχανικών Η/Υ και Πληροφορικής (ΜΔΕ)

Files in This Item:
File Description SizeFormat 
Nimertis_Mavroyanni(mech).pdf1.76 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.