Odhad ceny akcií Martin Dörfler, Jiří Marchalín. Původní metoda  odhad ceny akcií pomocí neuronové sítě v závislosti na minulých hodnotách kombinací.

Prezentace na téma: "Odhad ceny akcií Martin Dörfler, Jiří Marchalín. Původní metoda  odhad ceny akcií pomocí neuronové sítě v závislosti na minulých hodnotách kombinací."— Transkript prezentace:

1 Odhad ceny akcií Martin Dörfler, Jiří Marchalín

2 Původní metoda  odhad ceny akcií pomocí neuronové sítě v závislosti na minulých hodnotách kombinací na sobě závisejících vstupů  vstupní data (pouze 3) ropa BRENT kurz amerického dolaru akcie Exxon oil

3 Závěry původních metody  vykazují nepřesnost při náhlých změnách na trhu, které se nám nepodařilo zachytit  setrvačnost, se kterou se nám nepodařilo vyrovnat  pro kombinaci jsme měli málo vstupů (nepřesné)

4 Řešení ?  zvýšíme počet vstupních dat až na 10  použijeme metody dobývání znalostí k vybrání dat ke klasifikaci

5 Příprava dat  Zkoušíme odhadovat akcie Unipetrolu  Vybrali jsme data, o kterých se domníváme, že mezi sebou mají souvislost  Data z jednoho oboru burzovní indexy hlavní komodita měna, ve které se obchoduje

6 Data  americké úrokové sazby  ropa BRENT  PX 50  Nikkei  Nasdaq 100  FTSE100  Dow Jones  DAX 30  kurz amerického dolaru

7 Výběr dat  Období z let 2004 a 2005  Bez burzovních prázdnin celkem 522 údajů

8 Pohled na data  odhad závislostí (korelační koeficienty)  korelace akcií Unipetrolu s jednotlivými atributy v závislosti na čase  funkce corr v Matlabu

9 Metoda  Na základě tvaru dat jsme zvolili rozhodovací strom  z atributů, které mají podobnou korelační křivku jsme vybrali jednoho reprezentanta  redukce dat na 5 atributů Ropa BRENT Nikkei Nasdaq 100 DAX 30 Kurz amerického dolaru

10 Data pro rozhodovací strom  výstupní data do 2 kategorií koupit nekoupit  dělení dat do 5 kategorií velký vzrůst vzrůst kolísání pokles velký pokles  klasifikace z předchozích 5 hodnot

11 Klasifikace dat  5 dat  sečteme zvlášť poklesy a zvlášť vzrůsty  normalizujeme na interval [1,10]  souřadnice určují třídu

12 Rozložení tříd v datech

13 Rozhodovací strom K5 = 1 | K3 = 1 | K1 = 2 | K2 = 1 | K4 = 1 | 1 K5 = 1 | K3 = 1 | K1 = 2 | K2 = 1 | K4 = 3 | 0 K5 = 1 | K3 = 1 | K1 = 2 | K2 = 2 | 1 K5 = 1 | K3 = 1 | K1 = 2 | K2 = 3 | 0 K5 = 1 | K3 = 1 | K1 = 3 | K2 = 1 | 1 K5 = 1 | K3 = 1 | K1 = 3 | K2 = 2 | 0 K5 = 1 | K3 = 1 | K1 = 3 | K2 = 4 | 1 K5 = 1 | K3 = 1 | K1 = 4 | K2 = 4 | K4 = 2 | 0.5 K5 = 1 | K3 = 1 | K1 = 4 | K2 = 4 | K4 = 4 | 1 K5 = 1 | K3 = 1 | K1 = 4 | K2 = 5 | 1 K5 = 1 | K3 = 1 | K1 = 5 | 1 K5 = 1 | K3 = 2 | K4 = 1 | K1 = 4 | K2 = 1 | 0.3 K5 = 1 | K3 = 2 | K4 = 1 | K1 = 4 | K2 = 2 | 1 K5 = 1 | K3 = 2 | K4 = 1 | K1 = 5 | 0 K5 = 1 | K3 = 2 | K4 = 2 | K2 = 1 | 1 K5 = 1 | K3 = 2 | K4 = 2 | K2 = 2 | K1 = 1 | 1 K5 = 1 | K3 = 2 | K4 = 2 | K2 = 2 | K1 = 2 | 0 K5 = 1 | K3 = 2 | K4 = 2 | K2 = 2 | K1 = 3 | 0 K5 = 1 | K3 = 2 | K4 = 2 | K2 = 4 | 0.5

14 Testy a závěr 4 4 4 1 2 =(1) 0 Úspěšnost byla pouhých 43% 4 2 4 3 1 =(0) 1 2 5 4 3 3 =(1) 0 2 5 5 3 3 =(0.5) 0 4 5 5 2 3 =(0) 0 5 2 3 5 3 =(0) 0 3 3 3 5 3 =(0) 1 5 3 3 5 3 =(1) 0 5 5 2 4 2 =(1) 0 3 3 2 4 2 =(1) 1 2 3 2 4 2 =(1) 1 2 2 2 2 4 =(1) 1 2 1 3 1 5 =(1) 0 3 1 3 1 5 =(1) 1 3 1 3 5 5 =(1) 0