Application of artificial neural ne

Application of artificial neural network for the prediction of stock market returns: The case of the Japanese stock market
Abstract
Accurate prediction of stock market returns is a very challenging task because of the highly nonlinear nature of the financial time series. In this study, we apply an artificial neural network (ANN) that can map any nonlinear function without a prior assumption to predict the return of the Japanese Nikkei 225 index. (1) To improve the effectiveness of prediction algorithms, we propose a new set of input variables for ANN models. (2) To verify the prediction ability of the selected input variables, we predict returns for the Nikkei 225 index using the classical back propagation (BP) learning algorithm. (3) Global search techniques, i.e., a genetic algorithm (GA) and simulated annealing (SA), are employed to improve the prediction accuracy of the ANN and overcome the local convergence problem of the BP algorithm. It is observed through empirical experiments that the selected input variables were effective to predict stock market returns. A hybrid approach based on GA and SA improve prediction accuracy significantly and outperform the traditional BP training algorithm.

ผลลัพธ์ (ไทย) 1:

ใช้ของโครงข่ายประสาทเทียมสำหรับการคาดการณ์ของตลาดหลักทรัพย์: กรณีของตลาดหุ้นญี่ปุ่นบทคัดย่อทำนายแม่นยำของตลาดหุ้นกลับเป็นงานท้าทายมากเนื่องจากลักษณะไม่เชิงเส้นสูงของอนุกรมเวลาทางการเงิน ในการศึกษานี้ เราใช้เป็นโครงข่ายประสาทเทียม (แอน) ที่สามารถแมปใด ๆ ฟังก์ชันเชิงเส้น โดยไม่มีสมมติฐานล่วงหน้าทำนายการกลับมาของดัชนีนิกเกอิญี่ปุ่น 225 (1) การปรับปรุงประสิทธิภาพของขั้นตอนวิธีการคาดคะเน เรานำเสนอชุดของตัวแปรอินพุตใหม่แอนรุ่น (2) การตรวจสอบความสามารถในการคาดเดาของตัวแปรอินพุตเลือก เราคาดผลตอบแทนสำหรับดัชนี Nikkei 225 คลาสสิกหลังเผยแพร่ (BP) อัลกอริทึมการเรียนรู้ (3) การค้นหาเทคนิค เช่น เป็นอัลกอริทึมทางพันธุกรรม (GA) และจำลองการหลอม (SA), ใช้ในการปรับปรุงความแม่นยำของการคาดเดาของแอน และเอาชนะปัญหาแบบร่วมกันในท้องถิ่นของอัลกอริทึม BP มันจะตรวจสอบผ่านการทดลองเชิงประจักษ์ที่ ตัวแปรอินพุตเลือกได้ผลการคาดการณ์ผลตอบแทนของตลาดหลักทรัพย์ วิธีไฮบริดอิง GA และ SA เพิ่มความแม่นยำในการคาดเดาอย่างมาก และดีกว่าอัลกอริทึมฝึก BP แบบดั้งเดิม

ผลลัพธ์ (ไทย) 2:

การประยุกต์ใช้เครือข่ายประสาทเทียมสำหรับการคาดการณ์ของการลงทุนในตลาดหุ้น Returns: กรณีของการลงทุนในตลาดหุ้นญี่ปุ่น
บทคัดย่อ
ทำนายถูกต้องของผลตอบแทนการลงทุนในตลาดหุ้นเป็นงานที่ท้าทายมากเพราะของธรรมชาติที่ไม่เป็นเชิงเส้นสูงของอนุกรมเวลาทางการเงิน ในการศึกษานี้เราใช้โครงข่ายประสาทเทียม (ANN) ที่สามารถ map ฟังก์ชั่นแบบไม่เชิงเส้นใด ๆ โดยไม่สมมติฐานก่อนที่จะคาดการณ์ผลตอบแทนของดัชนีนิกเกอิของญี่ปุ่น 225 (1) เพื่อปรับปรุงประสิทธิภาพของขั้นตอนวิธีการทำนายเราเสนอชุดใหม่ของตัวแปรอินพุตสำหรับรุ่น ANN (2) เพื่อตรวจสอบความสามารถในการคาดการณ์ของตัวแปรที่เลือกเราคาดการณ์ผลตอบแทนสำหรับนิกเกอิ 225 ดัชนีโดยใช้การขยายพันธุ์กลับคลาสสิก (BP) ขั้นตอนวิธีการเรียนรู้ (3) เทคนิคการค้นหาทั่วโลกกล่าวคือเป็นขั้นตอนวิธีพันธุกรรม (GA) และการหลอมจำลอง (SA) จะใช้ในการปรับปรุงความถูกต้องคาดการณ์ของแอนและเอาชนะปัญหาบรรจบท้องถิ่นของขั้นตอนวิธี BP มันเป็นที่สังเกตได้ผ่านการทดลองเชิงประจักษ์ว่าตัวแปรอินพุตที่เลือกมีประสิทธิภาพที่จะคาดการณ์ผลตอบแทนการลงทุนในตลาดหุ้น วิธีไฮบริดอยู่บนพื้นฐานของ GA และ SA ปรับปรุงความถูกต้องทำนายอย่างมีนัยสำคัญและมีประสิทธิภาพสูงกว่าขั้นตอนวิธีการฝึกอบรมความดันโลหิตแบบดั้งเดิม