Neuroninių tinklų taikymas investuojant į valiutų rinką

• Main Author: Pečiulis, Tomas
• Other Authors: Rutkauskas, Aleksandras
• Format: Dissertation
• Language: Lithuanian
• Published: Lithuanian Academic Libraries Network (LABT) 2013
• Subjects: Economics; FOREX; Neuroniniai tinklai; Prognozavimo tikslumas; Investavimo rizika; Neural networks; Forcasting accuracy; Investment risk
• Online Access: http://vddb.laba.lt/fedora/get/LT-eLABa-0001:E.02~2013~D_20130626_190701-89212/DS.005.0.01.ETD

Magistro baigiamajame darbe išanalizuota ir įvertinta tarptautinė valiutų rinka, jos struktūra bei analizės ir prognozės būdai. Taip pat analizuojami neuronini tinklai bei įvairios jų struktūros: daugiasluoksnis perseptronas, radialinių bazinių funkcijų neuroniniai tinklai, GRNN bei rekurentiniai neuroniniai tinklai. Tyrimu siekiama nustatyti ar valiutų kursų prognozavimo tikslumas, taikant neuroninius tinklus, priklauso nuo investavimo rizikos lygio. Darbas susideda iš trijų skyrių. Pirmame skyriuje nagrinėjama tarptautinės valiutų rinkos teorija, didesnį dėmesį atkreipiant į pačia FOREX koncepciją, rinkos dalyvius bei jų elgesį ir finansinius instrumentus, naudojamus šioje rinkoje. Tiriami pagrindiniai valiutų kursų prognozės bei analizės būdai, skirstant juos fundamentalią ir techninę analizę. Analizė atliekama, tiriant Lietuvos ir užsienio mokslininkų darbus valiutų rinkos prognozavimo srityje. Antrame skyriuje analizuojami neuroniniai tinklai. Aprašoma neuroninių tinklų koncepcija bei taikymo sritys. Naudojant literatūros analizės metodą, tiriami Lietuvos ir užsienio autorių moksliniai darbai, kuriuose aprašomi neuroninių tinklų tyrimai valiutų rinkos prognozavimo srityje. Pateikiama aktualiausių straipsnių meta analizė. Trečiame skyriuje atliekamas tyrimas su pasirinktų tyrimų duomenimis. Aprašomi šių pasirinkimo motyvai. Skyriaus galia pateikti statistiniai analizės rezultatai: MAE (angl. Mean absoliute error), MAPE (angl. Mean absolute percentage error) krypties... [toliau žr. visą tekstą] === The master thesis analyses the application of the neural networks for foreign exchange market forecast. Multilayer perceptron, radial basis functionneural networks, GRNN and recurrent neural networks are analyzed in order to find the correlation level between the forecast accuracy and the level of the investment risk. The work consists of three main parts. The first part analyses the conception, the main participants, trading characteristics and trading instruments of the FOREX market as well as the trading strategies and the methods of forecasting currency market. The second part is appointed to analyze the neural networks. The analyzes the conception, the structure and the application of the neural networks is made. The Meta-analyses of the main scientific articles are provided in every sub-part. In the third part the forecasting data analysis is performed to evaluate the correlation rate between the forecast accuracy and the level of the investment risk. Mean absolute error, Mean absolute percentage error, sign function andStandard deviation are used as indicators.