Prethodno priopćenje
https://doi.org/10.17818/EMIP/2023/2.12
ANALIZA FINANCIJSKE USPJEŠNOSTI MODELA STROJNOG UČENJA ZA PREDVIĐANJE SMJERA PROMJENE BURZOVNIH INDEKSA CEE I SEE REGIJE UZ RAZLIČITE METRIKE ZA VREDNOVANJE KLASIFIKATORA
Silvija Vlah Jerić
; Sveučilište u Zagrebu, Ekonomski fakultet
Sažetak
Cilj analize je istražiti utjecaj odabira metrike za vrednovanje klasifikatora na financijsku uspješnost sustava trgovanja temeljenih na modelima strojnog učenja za burzovne indekse iz zemalja CEE i SEE regija. Tehničkim indikatorima se koriste kao značajke za odabrane algoritme strojnog učenja pri predviđanju smjera promjena vrijednosti indeksa, tj. klasificiranje dana trgovanja u dvije klase. Istraživanje je pokazalo da odabir metrike za vrednovanje klasifikatora nema veliki utjecaj na financijsku uspješnost takvog sustava, no ipak su najveći prosječni prinosi po transakciji postignuti maksimizacijom točnosti. Nadalje, algoritam slučajne šume i naivni Bayesov klasifikator dali su najveće prosječne prinose korištenjem točnosti, dok su stroj potpornih vektora i algoritam k najbližih susjeda najveće prosječne prinose postigli pri korištenju površine ispod krivulje operativnih karakteristika. Utvrđeno je da očekivano veliki utjecaj na financijsku uspješnost ima odabir algoritma za strojno učenje te da algoritam slučajne šume daje najbolje rezultate na ovim podacima.
Ključne riječi
tehnička analiza; predviđanje promjene burzovnih indeksa; financijsko predviđanje; algoritmi za klasifikaciju; strojno učenje
Hrčak ID:
310864
URI
Datum izdavanja:
7.12.2023.
Posjeta: 373 *