Tőzsdei idősorok elemzése és előrejelzése

OData támogatás
Konzulens:
Dr. Pataki Béla
Méréstechnika és Információs Rendszerek Tanszék

A tőzsdei folyamatok elemzése és előrejelzése rendkívül fontos gazdasági feladat. A pontosabb előrejelzések segítségével jobb gazdasági döntések hozhatóak, melyek a források jobb allokációjához vezetnek, ami a fejlődést segíti, gyorsítja. A probléma komplexitását és nehézségét – a bő szakirodalom mellett az is – mutatja, hogy még abban sincs teljes egyetértés, hogy az idősor analízis mennyiben tud hozzájárulni a folyamatok előrejelzésének javításához. Egyes kutatók az úgynevezett hatékony piac hipotézist (Efficient Market Hypothesis) vallják, amely szerint például a részvények árában már minden információ bele van „kódolva”, és a befektetők nem képesek az átlagosnál nagyobb előnyt elérni a múltbeli adatok vizsgálatával. Ezzel szemben a legtöbb elemző azt vallja, hogy léteznek – például – visszatérő minták a piac viselkedésében, amelyeket azonosítani és előre jelezni is lehetséges (a piac nem mindig a valós árat mutatja).

A tőzsdei (vagy általánosságban a pénzügyi) idősorok hosszabb időszakra vizsgálva számos nehezen kezelhető, problematikus tulajdonságot mutatnak. Azon túl, hogy kevés a minta, magas a zaj, nem stacionárius és nemlineáris az idősor, az előrejelzést még rendkívül megnehezítik a következők:

• A valójában eseménymentesnek tekinthető időszakokban is előfordulnak kiugró értékek.

• Időről-időre középhosszú vagy hosszú távon változik az idősor viselkedése (pl. egy stagnáló vagy növekvő szakaszról csökkenőre vált).

Jelen dolgozatban egy, a szakirodalomban eddig kevésbé vizsgált megközelítést alkalmazok a problémára. A megközelítés azon alapul, hogy a kiugró értékek és változási pontok detektálásával, majd ezen információk alapján történő adaptálással történik meg maga az előrejelzés. A kiugró értékek és változási pontok ugyanis megtéveszthetik az előrejelző rendszert. A dolgozatban bemutatom az idősorokat általánosságban, továbbá ismertetem, hogy az idősorok feldolgozásával kapcsolatban mik a leggyakrabban használt modellek (pl. ARIMA). Bemutatom az idevonatkozó szakirodalmat mind a kiugró értékek és változási pontok detektálása, mind az előrejelzés terén. Ezen területekre több módszert is alkalmazok, amelyeket szimulált és valós adatokon is tesztelek. Végül ismertetem a kombinált előrejelző eszköz kísérleti példányát, amely a kiugró értékek és változási pontok detektálását használja fel. A kombinált előrejelző rendszert tesztelem, illetve más korábbi eredményekkel is összehasonlítom.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.