Vertybinių popierių kainų indeksų tyrimai naudojant dirbtinių neuroninių tinklų metodus

Straipsnyje nagrinėjamos nacionalinės vertybinių popierių biržos (NVPB) indeksų autoregresinio, autoregresinio priežastinio ir priežastinio trendo modelių sudarymo ir jų pritaikymo, naudojant dirbtinių neuroninių tinklų (DNT) metodus, galimybės. Ištirtos dirbtinio neuroninio tinklo aproksimavimo ir...

Full description

Bibliographic Details
Main Authors:	Darius Plikynas, Leonas Simanauskas, Sigitas Būda
Format:	Article
Language:	English
Published:	Vilnius University Press 2001-12-01
Series:	Ekonomika
Online Access:	https://www.journals.vu.lt/ekonomika/article/view/16963

id	doaj-2e9b53e5a2f244308cb0badeef7c8f70
record_format	Article
spelling	doaj-2e9b53e5a2f244308cb0badeef7c8f702020-11-25T02:01:46ZengVilnius University PressEkonomika1392-12582424-61662001-12-0155-56Vertybinių popierių kainų indeksų tyrimai naudojant dirbtinių neuroninių tinklų metodusDarius Plikynas0Leonas Simanauskas1Sigitas Būda2Vilniaus universitetas Teorinės ekonomikos katedraVilniaus universitetas Ekonominės informatikos katedraMatematikos ir informatikos institutas Straipsnyje nagrinėjamos nacionalinės vertybinių popierių biržos (NVPB) indeksų autoregresinio, autoregresinio priežastinio ir priežastinio trendo modelių sudarymo ir jų pritaikymo, naudojant dirbtinių neuroninių tinklų (DNT) metodus, galimybės. Ištirtos dirbtinio neuroninio tinklo aproksimavimo ir prognozavimo galimybės, esant skirtingiems mokymo algoritmams, duomenų pateikimo būdams, neuroninio tinklo konfigūracijoms. DNT mokymas atliekamas remiantis praėjusių periodų atitinkamų nacionalinių indeksų vertėmis, šalies makroekonominių rodiklių bei kitų šalių vertybinių popierių kainų indeksų vertėmis. Tyrimo rezultatai lyginami su multidimensinės tiesinės regresijos rezultatais. Nustatytos optimalios dirbtinio neuroninio tinklo konfigūracijos, leidžiančios gauti geresnius NVPB kainų indeksų aproksimavimo ir prognozavimo rezultatus negu tiesinės regresijos metodu. https://www.journals.vu.lt/ekonomika/article/view/16963
collection	DOAJ
language	English
format	Article
sources	DOAJ
author	Darius Plikynas Leonas Simanauskas Sigitas Būda
spellingShingle	Darius Plikynas Leonas Simanauskas Sigitas Būda Vertybinių popierių kainų indeksų tyrimai naudojant dirbtinių neuroninių tinklų metodus Ekonomika
author_facet	Darius Plikynas Leonas Simanauskas Sigitas Būda
author_sort	Darius Plikynas
title	Vertybinių popierių kainų indeksų tyrimai naudojant dirbtinių neuroninių tinklų metodus
title_short	Vertybinių popierių kainų indeksų tyrimai naudojant dirbtinių neuroninių tinklų metodus
title_full	Vertybinių popierių kainų indeksų tyrimai naudojant dirbtinių neuroninių tinklų metodus
title_fullStr	Vertybinių popierių kainų indeksų tyrimai naudojant dirbtinių neuroninių tinklų metodus
title_full_unstemmed	Vertybinių popierių kainų indeksų tyrimai naudojant dirbtinių neuroninių tinklų metodus
title_sort	vertybinių popierių kainų indeksų tyrimai naudojant dirbtinių neuroninių tinklų metodus
publisher	Vilnius University Press
series	Ekonomika
issn	1392-1258 2424-6166
publishDate	2001-12-01
description	Straipsnyje nagrinėjamos nacionalinės vertybinių popierių biržos (NVPB) indeksų autoregresinio, autoregresinio priežastinio ir priežastinio trendo modelių sudarymo ir jų pritaikymo, naudojant dirbtinių neuroninių tinklų (DNT) metodus, galimybės. Ištirtos dirbtinio neuroninio tinklo aproksimavimo ir prognozavimo galimybės, esant skirtingiems mokymo algoritmams, duomenų pateikimo būdams, neuroninio tinklo konfigūracijoms. DNT mokymas atliekamas remiantis praėjusių periodų atitinkamų nacionalinių indeksų vertėmis, šalies makroekonominių rodiklių bei kitų šalių vertybinių popierių kainų indeksų vertėmis. Tyrimo rezultatai lyginami su multidimensinės tiesinės regresijos rezultatais. Nustatytos optimalios dirbtinio neuroninio tinklo konfigūracijos, leidžiančios gauti geresnius NVPB kainų indeksų aproksimavimo ir prognozavimo rezultatus negu tiesinės regresijos metodu.
url	https://www.journals.vu.lt/ekonomika/article/view/16963
work_keys_str_mv	AT dariusplikynas vertybiniupopieriukainuindeksutyrimainaudojantdirbtiniuneuroniniutinklumetodus AT leonassimanauskas vertybiniupopieriukainuindeksutyrimainaudojantdirbtiniuneuroniniutinklumetodus AT sigitasbuda vertybiniupopieriukainuindeksutyrimainaudojantdirbtiniuneuroniniutinklumetodus
_version_	1724955980206178304

Vertybinių popierių kainų indeksų tyrimai naudojant dirbtinių neuroninių tinklų metodus

Similar Items