- Tytuł:
-
Short term prediction of stock index changes based on linear classification
Krótkoterminowe prognozowanie indeksów giełdowych w oparciu o klasyfikator liniowy - Autorzy:
-
Krawczuk, J.
Bobrowski, L. - Powiązania:
- https://bibliotekanauki.pl/articles/404168.pdf
- Data publikacji:
- 2010
- Wydawca:
- Polskie Towarzystwo Symulacji Komputerowej
- Tematy:
-
prognozowanie krótkoterminowe
zmiany indeksu giełdowego
klasyfikator liniowy
short term prediction
stock index changes
linear classifier - Opis:
-
This article describe the linear classifier based on convex and piecewise-linear function (CPL) and it application to market prediction. In an experiment we use CPL linear classifier to predict direction of one day change in stock index price. We use classification approach to predict only direction of change (grow or decline) of the index, not it quantity as in regression approach. Total number of instruments used in experiment including currencies is 42. Prediction of one index is based on historical prices of all 42 indexes. Using 7 historical values for each index it produce 294 attributes. Such high dimensional feature space was reduced by feature selection method - relaxed linear separability (RLS). Details of this methodology are also presented. Features was selected and model was build on training data. Test data (holdout data) was used for checking model accuracy. Model in average correctly classify (predict) 51.9 per cent direction of daily index changes.
W artykule opisano klasyfikator liniowy oparty o wypukłe i odcinkowo-liniowe funkcje kary (CPL) i jego zastosowanie w prognozowaniu giełdy. W przeprowadzonym eksperymencie klasyfikator liniowy CPL został użyty do prognozy kierunku jednodniowej zmiany indeksów giełdowych. W zastosowanym podejściu klasyfikacyjnym prognozowano jedynie kierunek zmian (wzrost lub spadek), a nie dokładną wartość indeksu (podejście regresyjne). W eksperymencie użyto 42 instrumentów finansowych, w tym m.in. kursów walut. Jednodniowa prognoza wybranego instrumentu budowana jest w oparciu o wartości historyczne wszystkich 42 instrumentów. Używając 7 danych historycznych dla każdego instrumentu, uzyskano w sumie 294 atrybuty. Tak wielowymiarowa przestrzeń została zredukowana metodą selekcji cech opartą o relaksację liniowej separowalności. Metoda ta została opisana szczegółowo. Selekcja cech i budowa modelu w wybranej podprzestrzeni została przeprowadzona na zbiorze uczącym (treningowym). Natomiast ocena modelu została przeprowadzona na zbiorze testowym. Otrzymany wynik to średnio 51.9 procent prawidłowo sklasyfikowanych (prognozowanych) dziennych zmian indeksów giełdowych. - Źródło:
-
Symulacja w Badaniach i Rozwoju; 2010, 1, 4; 363-373
2081-6154 - Pojawia się w:
- Symulacja w Badaniach i Rozwoju
- Dostawca treści:
- Biblioteka Nauki
Artykuł