BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Kucharski Adam (Uniwersytet Łódzki)
Tytuł
Krótkookresowe prognozy notowań - implementacja średniej ruchomej ze zmiennym efektem wygładzania w algorytmie genetycznym
Short-Term Forecasts of Stock Quotation -Implementation of the Moving Average with Changeable Effect of Smoothing in the Genetic Algorithm
Źródło
Studia i Prace Wydziału Nauk Ekonomicznych i Zarządzania / Uniwersytet Szczeciński, 2008, nr 9, s. 663-671, rys., tab., bibliogr. 7 poz.
Tytuł własny numeru
Rynek kapitałowy: skuteczne inwestowanie
Słowa kluczowe
Prognozowanie notowań giełdowych, Algorytmy genetyczne, Decyzje inwestycyjne, Warszawski Indeks Giełdowy (WIG)
Stock exchange prediction, Genetic algorithms, Investment decisions, Warsaw Stock Exchange Index
Uwagi
streszcz., summ..
Firma/Organizacja
Giełda Papierów Wartościowych w Warszawie
Warsaw Stock Exchange
Abstrakt
W artykule przedstawiliśmy nowe spojrzenie na średnią ruchomą jako narzędzie prognostyczne. Odeszliśmy od założenia mówiącego, że wartość stałej wygładzania dla pewnego szeregu nie ulega zmianie w kolejnych okresach. Zamiast tego przyjęliśmy, że przyjmuje ona dowolną wartość z pewnego, zadanego przedziału. Nie wymagaliśmy przy tym, aby w kolejnych okresach utrzymywać jednakową wartość tego parametru. Stanęliśmy tym samym przed koniecznością dokonania wyboru najlepszej prognozy spośród dużej ich ilości. Aby temu podołać, wykorzystaliśmy algorytm genetyczny, który został specjalnie przystosowany do naszych celów. Otrzymane wyniki charakteryzowały się niskimi błędami prognoz ex post. Można również powiedzieć, że średnia ruchoma zyskała możliwość adaptacji do zachowania szeregu. Dodatkową korzyścią jest to, iż możliwym stało się silniejsze wygładzanie szeregu bez konieczności rezygnacji z większej liczby początkowych obserwacji. (abstrakt oryginalny)

In the article we presented a new look at the moving average as the prognostic tool. We walked away from the assumption that value of smoothing constant for the certain series isn't changing in consecutive periods. Instead of it we assumed that it can be taken from a certain, known range. We didn't demand in addition to keep identical value of this parameter in consecutive periods. We stood up in the process before the need to make choice of the best forecast out of big their amounts. In order to cope with it, we used the genetic algorithm which specially was adapted at our targets. Received scores were characterized by low errors of ex post forecasts. We can also say that moving average gained the possibility of the adaptation to the behaviour of data. It is fringe benefits, that stronger smoothing became possible without necessities of resignations from a large number of initial observation. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Szczecińskiego
Bibliografia
Pokaż
  1. Cieślak M. (red), Prognozowanie gospodarcze. Metody i zastosowania, PWN, 2001.
  2. Gajda J.B., Prognozowanie i symulacje a decyzje gospodarcze, CH. Beck 2001.
  3. Gwiazda T., Algorytmy genetyczne - wstęp do teorii, T.D.G. S. cyw., Warszawa 1995.
  4. Kucharski A., O pewnym zastosowaniu algorytmów genetycznych do prognozowania szeregów czasowych. Prace Naukowe AE we Wrocławiu, Wrocław 2007, s. 143-153.
  5. Kucharski A., Wykorzystanie algorytmów genetycznych do krótkookresowych prognoz na giełdzie papierów wartościowych, w: Rynek kapitałowy. Skuteczne inwestowanie, Wydawnictwo Naukowe Uniwersytetu Szczecińskiego, Szczecin 2007, s. 135-145.
  6. Michalewicz Z., Algorytmy genetyczne + struktury danych = programy ewolucyjne, WNT, Warszawa 1996.
  7. Tarczyński W., Rynki kapitałowe. Metody ilościowe, Agencja Wydawnicza Placet, Warszawa 1997.
Cytowane przez
Pokaż
ISSN
1899-2382
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu