Гибридная нейросетевая модель прогнозирования поведения рынка

Авторы

  • Анатолий Иосифович Бельзецкий БелМежКомИнвест, ул. Игнатенко, 7, 220030, г. Минск, Беларусь

Ключевые слова:

рынок, гибридная модель, нейронная сеть, прогнозирование, поведение, организованная целостность

Аннотация

Для повышения качества прогнозирования поведения рынка предложена гибридная модель, объединяющая модели организованной целостности рынка и искусственной нейронной сети. Гибридная модель позволяет учесть неоднородную пространственно-временную структуру рынка во взаимодействии с внешней средой, принять в расчет нелинейные эффекты и выполнить достоверный прогноз для основных показателей рынка на несколько будущих периодов. Представлен пример нейросетевого прогнозирования поведения финансового рынка, подтверждающий качество гибридной модели.

Биография автора

  • Анатолий Иосифович Бельзецкий, БелМежКомИнвест, ул. Игнатенко, 7, 220030, г. Минск, Беларусь

    кандидат технических наук; директор

Библиографические ссылки

  1. Safronova V. Prognozirovanie i modelirovanie v sotsial’noi rabote [Forecasting and modeling in social work]. Moscow: Akademiya; 2002. 192 p. Russian.
  2. Kin Keung Lai, Lean Yu, Shouyang Wang, Wei Huang. Hybridising exponential smoothing and neural network for financial time series prediction. In: Alexandrov V, van Albada GD, Sloot PMA, Dongarra J, editors. Computional science – 2006. Proceedings of the 6th International conference; 2006 May 28–30; London, UK. Part 4. Berlin: Springer; 2006. p. 493–500.
  3. Lean Yu, Shouyang Wang, Kin Keung Lai. Foreign-exchange-rate forecasting with artificial neural networks. Berlin: Springer; 2007. 323 p.
  4. Ince H, Trafalis T. A hybrid model for exchange rate prediction. Decision Support Systems. 2006;42(2):1054–1062. DOI: 10.1016/j.dss.2005.09.001.
  5. Zhang GP. Time series forecasting using a hybrid ARIMA and neural network model. Neurocomputing. 2003;50:159–175. DOI: 10.1016/S0925-2312(01)00702-0.
  6. Fang-Mei Tseng, Hsiao-Cheng Yu, Gwo-Hsiong Tzeng. Combining neural network model with seasonal time series ARIMA model. Technological, Forecasting and Social Change. 2002;69(1):71–87. DOI: 10.1016/S0040-1625(01)00121-4.
  7. Lean Yu, Shouyang Wang, Kin Keung Lai. A novel nonlinear ensemble forecasting model incorporating GLAR and ANN for foreign exchange rates. Computers & Operations Research. 2005;32(10):2523–2541. DOI: 10.1016/j.cor.2004.06.024.
  8. Lean Yu, Kin Keung Lai, Shouyang Wang. Designing a hybrid AI system as a Forex trading decision support tool. In: IEEE Computer Society. Proceedings of IEEE International conference on tools with artificial intelligence; 2005 November 14–16; Hong-Cong, China. Los Alamitos: IEEE Computer Society; 2005. p. 89–93.
  9. Youngohc Yoon, Tor Guimaraes, George Swales. Integration artificial neural networks with rulebased expert system. Decision Support System. 1994;11(5):497–507. DOI: 10.1016/0167-9236(94)90021-3.
  10. Luxhoj JT, Riis JO, Stensballe B. A hybrid econometric-neural network modeling approach for sales forecasting. International Journal of Production Economics. 1996;43(2/3):175–192. DOI: 10.1016/0925-5273(96)00039-4.
  11. Kitova OV, Dyakonova LP, Kitov VA, Savinova VM. Application of neural networks for predicting socio-economic time series. Russian Economic Bulletin. 2020;3(5):188–201. Russian.
  12. Denton JW. How good are neural networks for causal forecasting? Journal of Business Forecasting. 1995;14(2):17–20.
  13. Ezhov AA, Shumskii SA. Neirokomp’yuting i ego primeneniya v ekonomike i biznese [Neurocomputing and its applications in economics and business]. Moscow: Moscow Engineering Physics Institute; 1998. 222 p. Russian.
  14. Belzetsky A. The market as an organised integrity. Bulletin of the Institute of Economics of NAS of Belarus. 2022;5:83–97. Russian.
  15. Golovko VA, Krasnoproshin VV. Neirosetevye tekhnologii obrabotki dannykh [Neural network data processing technologies]. Minsk: Belarusian State University; 2017. 263 p. Russian.
  16. Haykin S. Neural networks. A comprehensive foundation. London: Pearson; 2005. 864 p.
  17. Golub G, Kahan W. Calculating the singular values and pseudoinverse of a matrix. SIAM Journal on Numerical Analysis. Series B. 1965;2(2):205–223.
  18. Golub GH, Reinsch C. Singular value decomposition and least squares solutions. Numerische Mathematik. 1970;14:403–420.
  19. Strang G. Introduction to linear algebra. Wellesley: Wellesley Cambridge Press; 2016. 586 p.
  20. Zak D. Programming with Microsoft Visual Basic 2015. Boston: Cengage Learning; 2016. 914 p.
  21. Newsome B. Beginning Visual Basic 2015. Indianapolis: John Wiley & Sons; 2015. 621 p.
  22. Rumelhart DE, Hinton GE, Williams RJ. Learning representations by back-propagating errors. Nature. 1986;323:533–536.
  23. Tihomirov NP, Dorohina EYu. Ekonometrika [Econometrics]. Moscow: Ekzamen; 2003. 512 p. Russian.
  24. Hatskevich GA, Rusilko TV. Ekonometrika [Econometrics]. Minsk: National Institute for Higher Education; 2021. 452 p. Russian.
  25. Bartlett M. Tests of significance in factor analysis. British Journal of Psychology. 1950;3(2):77–85.
  26. Wilks S. Certain generalisations in analysis of variance. Biometrika. 1932;24:471–494.
  27. Cureton EE, D’Agostino RB. Factor analysis: an applied approach. New York: Psychology Press; 1993. 480 p.
  28. Kaiser HF, Rice J. Little Jiffy, Mark IV. Educational and Psychological Measurement. 1974;34(1):111–117.
  29. Belzetsky A. Marketologiya: obshchaya teoriya rynkov [Marketology: general theory of markets]. Minsk: Kolorgrad; 2022. 475 p. Russian.

Загрузки

Дополнительные файлы

Опубликован

2023-12-05

Выпуск

№ 2 (2023): Журнал Белорусского государственного университета. Экономика

Раздел

D. Микроэкономика

Лицензия

Авторы, публикующиеся в данном журнале, соглашаются со следующим:

  1. Авторы сохраняют за собой авторские права на работу и предоставляют журналу право первой публикации работы на условиях лицензии Creative Commons Attribution-NonCommercial. 4.0 International (CC BY-NC 4.0).
  2. Авторы сохраняют право заключать отдельные контрактные договоренности, касающиеся неэксклюзивного распространения версии работы в опубликованном здесь виде (например, размещение ее в институтском хранилище, публикацию в книге) со ссылкой на ее оригинальную публикацию в этом журнале.
  3. Авторы имеют право размещать их работу в интернете (например, в институтском хранилище или на персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу. (См. The Effect of Open Access).

Как цитировать

[1]
Бельзецкий, А.И. 2023. Гибридная нейросетевая модель прогнозирования поведения рынка. Журнал Белорусского государственного университета. Экономика. 2 (дек. 2023), 25–38.