Original scientific paper
https://doi.org/10.2478/crdj-2025-0012
Informativna vrijednost tehničkih indikatora u predviđanju kotacijskih cijena državne obveznice: pristup strojnim učenjem
Tea Kalinić Milićević
; Faculty of Economics, Business and Tourism, University of Split, Split, Croatia
*
* Corresponding author.
Abstract
U kontekstu rastuće elektronifikacije i transparentnosti na sekundarnom tržištu državnih obveznica euro zone, ovo istraživanje ispituje informativnu vrijednost tehničkih indikatora u predviđanju unutardnevnih kotacijskih cijena desetogodišnje njemačke državne obveznice. Pomoću jednosmjerne neuronske mreže na temelju 13 skupova ulaznih podataka i dva izlazna podatka cilj rada je identificirati tehničke indikatore koji najviše pridonose prediktivnoj točnosti i efikasnosti modela u uvjetima manje volatilnog tržišta. Rezultati pokazuju da indikatori trenda, poput MACD (engl. moving average convergence/divergence) i WMA (engl. weighted moving average), te RSI (engl. relative strength index) kao jedini od preostalih promatranih indikatora zamaha omogućuju modelima ostvariti niže prognostičke pogreške od onih postignutih na skupu ulaznih varijabli koji ne uključuje tehničke indikatore. S druge strane, BB (engl. Bollinger bands) kao indikator volatilnosti je rezultirao modelom s najlošijim prediktivnim performansama. Rezultati istraživanja doprinose proširenju primjene tehničke analize izvan tržišta dionica, za koje su primarno bili razvijeni, te omogućuju razvoj efikasnijih modela predviđanja na tržištu državnih obveznica.
Keywords
tehnička analiza; strojno učenje; neuronske mreže; državne obveznice
Hrčak ID:
341545
URI
Publication date:
20.12.2025.
Visits: 678 *