金融时间序列预测：经济新闻的语义分析

Математичнимнструментарм  у  дослдженн  було  обрано  нейронн  мереж,оскльки вони не накладають суттвих обмежень на характер вхдно нформац та для х побудови нема потреби в апрорних гпотезах.На  основ  сформовано вибрки  даних  для  прогнозування  котирувань було створено та проведено навчання деклькох архтектур  нейронних  мереж  прямо  передач  сигналу,  що  вдрзнялисяяк структурою подання та обробки вхдно нформац, так  клькстю  та  розмрнстю  прихованих  шарв  (фрагмент  експериментальних  розрахункв  наведено  в  табл.  1).  Проведення  навчанняНЕЙРО-НЕЧТК ТЕХНОЛОГ МОДЕЛЮВАННЯ В ЕКОНОМЦ  2016, № 5нейронних мереж    тестове  прогнозування здйснювалось  на  основ таких вхдних показникв:  c-ч，  сτ — котирування з лагом τ, τ = 1, …, 3,  v-ббмрГб，  p-，  n-кииииииииииииииииии，  d-аааа。Тббихххххх1АРббббббббббббббббббббИТТККТУИИИИИДИИИИИИИДИИИИИИДИИИИИИИИИИИИИИИИИИИИИИИИИИИИИИИИИИИИИИИИИНИИИИИИИИИ<pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad>№调整后R2p，n2-149047%19,28%97188%p，n，c13-102138%1,04%99497%p n，c1，c24-2-102128%1,35%99956%p，n，c1，c2，c35-3-101825%0,55%99955%p，n，c1，c2，c3，d6-3-101639%0,88%99959%p，n，c1，c2，c3，d，v7-3-101236%3,92%99802%p/n，c1，c2，d4-2-101715%2,10%99925%c1，c2，c3，d4-3-101929%4,28%99710%аииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииииии， що да пдстави обиратиодну з них для прогнозування розвитку фнансових показникв уреальних умовах.

Наприклад, четверта мережа складаться з вхдного, одного прихованого та вихдного шарв: на вхд мереж податься цна закриття за три попереднх дня та клькост позитивних  негативних слв протягом сьогодншнього дня; виходом мереж  цна закриття на сьогодн (рис. 1).Прогнозування фнансових рядв…  К. Ю. Кононова, А. О。ДекЦна акцсьогоднКлькстьпозитивнихслв сьогоднКлькстьнегативнихслв сьогоднЦна акцвчораЦна акцпозавчораЦна акцпозапозавчораРис. 1。2, для ц модел середня квадратичнапохибка  моделювання навчального  масиву даних  з  двохсот  елементв не перевищу 0,18 %.Рис. 2. Даграма розсювання та динамка похибки навчанняНЕЙРО-НЕЧТК ТЕХНОЛОГ МОДЕЛЮВАННЯ В ЕКОНОМЦ  2016, № 5Четверта  модель з  структурою 5-3-1  дозволила довол  точноописати  сторичний  ряд  котирувань  (перш  175  елементв  нарис. 3)  масив даних,  використаних для оцнки якост прогнозування (див. фрагмент з 176 по 195 моменти часу на рис. 3).Рис. 3、荷兰皇家壳牌公司第4-3-1章荷兰皇家壳牌公司8英寸。Як можна бачити з рис. 3 та табл. 第1条1108、1108、1108、1108。Вдповдно,  результатипроведених  модельних  експериментв  обумовлюють  доцльнстьвикористання нформац  з  новинних  стрчок  для  прогнозуваннякотирувань акцй.Прогнозування фнансових рядв…  К. Ю. Кононова, А. О。ДДДкРиС。4.

荷兰皇家壳牌公司аааааааааааааааааааастрчок.  Основуметоду  склали:  1)  алгоритм  формування  вибрки  високочастотних  негативних    позитивних  з  фнансово  точки  зору  слв;2） MATLAB Simulink、MATLAB Simulink、MATLAB Simulink、MATLAB Simulink、MATLAB Simulink、MATLAB Simulinkчааааааааааааааааааа；3) математичним  нструментарм  прогнозування  було  обрано  нейроннмереж. Порвняльний аналз рзних архтектур нейронних мереждозволив  обрунтувати  доцльнсть  використання  семантики  новинних  стрчок  для  прогнозування  котирувань  акцй  та  продемонстрував достатньо високу адекватнсть побудованих моделей.Литература1. Baker M.投资者情绪和股票回报的横截面/M.Baker，J.Wurgler//金融杂志-2006年-第LXI卷-№ 第1645-1680页。НЕЙРО-НЕЧТК ТЕХНОЛОГ МОДЕЛЮВАННЯ В ЕКОНОМЦ  2016, № 52、Da Z.《所有恐惧的总和：投资者情绪、噪音交易和综合波动率》/Z.Da，J.Engelberg，P.GaoxРежим  доступу  :  http://rady.ucsd.edu/faculty/directory/engelberg/pub/portfolios/FEARS.pdf.3.德隆S.S.W.金融市场中的噪音交易员风险//政治经济学杂志-1990年-第98卷-№ 4.-Р。703-738.4. 谷歌趋势Режим  доступу :  https://www.google.com/trends/.5.哈佛IV-4词典Риииииииииии：http://www.wjh.harvard.edu/~询问者/家猫。htm。6.Kogan L.《价格影响和非理性交易者的生存》/L.Kogan，S.Ross，J.Wang，M.Westerfield//FAME研究论文系列-研究论文№ 116

-国际金融资产管理与工程中心Режим  доступу  :  http://www.swissfinanceinstitute.ch/rp116.pdf.7.Kovalerchuk B.金融中的数据挖掘：关系和混合方法的进展/B.Kovalerchuk，E.Vityaev。-诺威尔：KluwerAcademic出版社，2000年308页，第8页。麦当劳В。Loughran和McDonald情感词汇表Режим доступу :  http://www3.nd.edu/~mcdonald/Word\\u列表。html。9、雅虎财经Режим доступу : http://finance.yahoo.com/.References1.Baker，M.，&Wurgler，J.（2006）。投资者情绪和股票回报的横截面。《金融杂志》，61（4），1645-1680.2。Da，Z.，Engelberg，J.，和Gaox，P.（2009）。所有担忧的总和：投资者情绪、噪音交易和总体波动性。已检索fromhttp://rady.ucsd.edu/faculty/directory/engelberg/pub/portfolios/FEARS.pdf.3.德隆，S.S.W.（1990）。金融市场中的噪音交易者风险。《政治经济学杂志》，98（4），703-738.4。谷歌趋势。（2015年9月30日）。检索自https://www.google.com/trends/.5.哈佛IV-4词典。（2015年11月2日）。检索自http://www.wjh.harvard.edu/~询问者/家猫。htm。Kogan，L.、Ross，S.、Wang，J.、Westerfield，M.（2004）。价格冲击与非理性交易者的生存。FAME研究论文系列，116。检索自http://www.swissfinanceinstitute.ch/rp116.pdf.7.Kovalerchuk，B.，&Vityaev，E.（2000年）。金融数据挖掘：关系和混合方法的优势。诺威尔：Kluwer学术出版社。8、Loughran和McDonald情感词表。（2015年11月8日）。检索自http://www3.nd.edu/~mcdonald/Word\\u列表。html。9、雅虎财经。（2016年1月6日）。

检索自http://finance.yahoo.com/.2016年2月1日查看出版物统计查看出版物统计