ZASTOSOWANIE SIECI NEURONOWEJ TYPU SOM DO WYBORU NAJATRAKCYJNIEJSZYCH SPÓŁEK NA WGPW W OPARCIU O WSKAŹNIKI ANALIZY TECHNICZNEJ

Wielkość: px
Rozpocząć pokaz od strony:

Download "ZASTOSOWANIE SIECI NEURONOWEJ TYPU SOM DO WYBORU NAJATRAKCYJNIEJSZYCH SPÓŁEK NA WGPW W OPARCIU O WSKAŹNIKI ANALIZY TECHNICZNEJ"

Transkrypt

1 ZASTOSOWANIE SIECI NEURONOWEJ TYPU SOM DO WYBORU NAJATRAKCYJNIEJSZYCH SPÓŁEK NA WGPW W OPARCIU O WSKAŹNIKI ANALIZY TECHNICZNEJ Dr Kamila Migdał Najman Dr Krzysztof Najman Katedra Statystyki Wydział Zarządzania Uniwersytet Gdański SOPOT 2000

2 WSTĘP W analizach rynków kapitałowych typowym problemem jest ogromna liczba walorów, które należałoby analizować, aby efektywnie inwestować. W wielu zaawansowanych typach analiz nawet na małej giełdzie, jak WGPW, nie ma możliwości sprawdzenia kondycji wszystkich spółek z sesji na sesję. Istnieje, więc potrzeba wyboru walorów, które ze względu na pewne kryteria wydają się najbardziej atrakcyjne 1. Zawężenie liczby analizowanych walorów dałoby szansę na wnikliwe analizy prowadzone na bieżąco, co powinno przekładać się na bardziej udane inwestycje. Oczywiście sprawą dyskusyjną i subiektywną jest pojęcie najatrakcyjniejszych spółek. W tej pracy przyjęto uważać za atrakcyjną taką spółkę, która w ocenie analizy technicznej posiada potencjał wzrostowy na najbliższej sesji 2. Jako metodę wyboru spółek zastosowano sieć neuronową typu Self Organizing Map ( SOM ). Sieć pełni tu rolę niezależnego eksperta, który nie kierując się żadnymi sugestiami, czy dodatkowymi informacjami, a jedynie na podstawie prezentowanych danych będzie poszukiwał optymalnej klasyfikacji na spółki potencjalnie wzrostowe i inne. 1 Na konferencji naukowej Inwest 2001 w Szklarskie Porębie w październiku 2001, wygłoszony został referat przedstawiający możliwości wykorzystania wskaźników analizy fundamentalnej do wyboru najatrakcyjniejszych spółek. Powinien ukazać się w publikacjach Akademii Ekonomicznej we Wrocławiu w październiku Prezentowane tu badanie jest jego rozwinięciem i uzupełnieniem o wskaźniki analizy technicznej. 2 Potencjał wzrostowy jest tu utożsamiany z osiągnięciem przez analizowane wskaźniki poziomu powszechnie uważanego za korzystny dla danego waloru.

3 1. METODA BADAWCZA Zasadniczym problemem stojącym przed każdym analitykiem jest wybór danych jakimi należałoby się posłużyć i metody, która potrafiłaby z tych danych wydobyć interesujące go informacje. Istnieje wiele źródeł danych, którymi posługują się inwestorzy w podejmowaniu decyzji. Jednym z nich jest analiza techniczna. Wskaźniki konstruowane w jej ramach mają na podstawie danych historycznych pomóc ocenić bieżącą sytuację rynkową i wskazać prawdopodobne jej zmiany w najbliższej przyszłości. Zaletą tego typu analiz jest aktualność i wiarygodność danych. Wskaźniki wyznacza się bowiem na podstawie codziennych notowań. Są to konkretne dane ilościowe, a nie szacunki. Wadą analizy technicznej jest jednak to, że interpretacja uzyskiwanych wyników jest czysto subiektywna. Wskaźniki jedynie sugerują co potencjalnie może się zdarzyć. Niektórzy te sugestie zauważą i uwzględnią przy podejmowaniu decyzji, a inni nie. Przeglądając liczne prasowe i internetowe serwisy giełdowe często można się spotkać z bardzo różnymi ocenami rynku dokonywanymi przez analityków technicznych na bazie identycznych danych i metod... Jest to wewnętrzną cechą analizy technicznej i powodem, dla którego trudno nazwać ją nauką. Jeżeli tak jest, to niezależny ekspert, nie posiadający żadnych informacji o analizowanych walorach prócz bieżących wartości wskaźników powinien w dłuższym okresie czasu osiągnąć prawdopodobieństwo wytypowania atrakcyjnych spółek na poziomie 0.5. Pomijając kwestię szczęśliwego lub nieszczęśliwego trafu skumulowany zysk z inwestycji powinien dążyć do wartości indeksu rynkowego. Niemniej jest to technika powszechnie stosowana 3 przez maklerów i inwestorów. Jest to jedyna przyczyna ( poza naukową ciekawością ) dla której postanowiono użyć tych danych. Inną, kłopotliwą sprawą jest wybór wskaźników, którymi należałoby się posłużyć. Nie ma także jasnych reguł jak dobrać wartości parametrów tych wskaźników. Kłopot polega na tym, że wskaźników jest bardzo wiele bardziej znanych kilkadziesiąt, dostępnych w specjalistycznych programach komputerowych kilkaset. Aby nieco zawęzić obszar badania wybrano wskaźniki najpopularniejsze, szeroko opisane w literaturze, z klasycznymi parametrami proponowanymi przez ich twórców lub doświadczonych analityków. Autorzy zdają sobie sprawę, że wybór taki jest subiektywny jednak żadne naukowe metody wyboru najlepszych czy najskuteczniejszych wskaźników nie są im znane. Każdy z nich ma swoich 3 Znajomość analizy technicznej jest wymagana na egzaminach maklerskich i na doradców inwestycyjnych.

4 zwolenników i krytyków. Parametry wskaźników zwykle optymalizuje się pod względem uzyskiwanych efektów inwestowania. A więc dobiera się je tak aby łączny zysk z inwestycji, które byłyby podjęte z wykorzystaniem tego wskaźnika był jak największy. Jednak dla każdej spółki inny wskaźnik generuje najwyższy zysk a dla spółek dla których ma tą samą wartość - jego parametry się bardzo różnią... Ostatecznie wybrano do analizy następujące wskaźniki z odpowiednimi parametrami 4 : 1. prosta średnia ruchoma o długości 5,9,15,21,29 sesji 2. wykładnicza średnia ruchoma o długości 5,9,15,21,29 sesji 3. trójkątna średnia ruchoma o długości 5,9,15,21,29 sesji 4. ważona średnia ruchoma o długości 5,9,15,21,29 sesji 5. zmodyfikowana średnia ruchoma o długości 5,9,15,21,29 sesji 6. oscylator Chaikina 7. Chaikin's Volatility 8. Accumulation/Distribution (A/D) Oscillator 9. Fast PercentK (F%K) and Fast PercentD (F%D) 10. MACD 11. On-Balance Volume 12. Price Rate-of-Change, 9,12,19,25 sesji 13. Price and Volume Trend 14. RSI 15. Stochastic Oscillator ( 10, 3),(15, 5), (19, 7) ważony średnią wykładniczą 16. Stochastic Oscillator ( 10, 3),(15, 5), (19, 7) ważony średnią trójkątną (triangular) 17. Volume Oscilator, 9,12,19,25 sesji 18. William's Accumulation/Distribution Line. 19. William's PercentR (%R), 9,14,19,25 sesji Wskaźniki różniące się jedynie parametrami były traktowane jak osobne wskaźniki. Wskaźnik zbudowany z kilku linii był dzielony tak, aby każda linia stanowiła oddzielny wskaźnik. Łącznie analizie poddano 64 wskaźniki. Drugim istotnym problemem jest wybór metody, którą należałoby klasyfikować spółki na bazie powyższych danych. Ponieważ sama analiza techniczna jest techniką subiektywną 4 Wyboru dokonano na podstawie rozmów z maklerami i klasycznej literatury : John J. Murphy, Analiza Techniczna, WIG Press, W-wa Przyjęto nazwy wskaźników w oryginalnym zapisie ze względu na brak polskich odpowiedników dla wielu z nich.

5 postanowiono wykorzystać metodę, która potrafiłaby się uczyć na danych i samodzielnie wciągnąć wnioski bez żadnej wiedzy a priori. Aby poradzić sobie z tak postawionym problemem badacz może posłużyć się siecią neuronową typu SOM. Mapa Samoorganizująca (SOM Self Organizing Map), rozwinięta przez fińskiego profesora Teuvo Kohonena, jest jednym z najbardziej zaawansowanych modeli sieci neuronowych. Oparta jest na nie nadzorowanym uczeniu, co oznacza, że nie jest potrzebna żadna interwencja podczas jej uczenia. SOM służy do uformowania odwzorowania z przestrzeni wielowymiarowej n R do przestrzeni jednowymiarowej lub dwuwymiarowej. Mapa neuronów zazwyczaj uformowana jest jako dwuwymiarowa siatka i dlatego jest odwzorowaniem z przestrzeni wielowymiarowej na płaszczyznę. 5 Może być zastosowana w tym samym czasie do wizualizacji skupisk w zbiorze danych i do wizualizacji zbioru wielowymiarowych danych na płaszczyźnie, zachowując nieliniowe relacje między jednostkami i lokując bliskie sobie jednostki bliżej siebie na mapie. Poza tym, jeżeli nawet nie istnieją wyraźne skupiska w zbiorze danych, sieć SOM ujawnia pasma gór i wąwozów. Pierwsze są często strefą nieregularnie ukształtowaną z wysoką tendencją do tworzenia skupisk, podczas gdy drugie rozdzielają zbiór danych na obszary, które mają odmienne właściwości. Graficzną prezentacją znalezionego odwzorowania jest tzw. macierz U. SOM ma również zdolności uogólniania. Zdolność uogólniania oznacza, że sieć rozpoznaje dane wejściowe, z którymi wcześniej nie miała do czynienia. Głównym powodem stosowania SOM w analizie danych jest to, że: jest metodą nieparametryczną, nie wymaga a priori żadnych założeń, co do rozkładów analizowanych zmiennych. W sieci Kohonena mamy do czynienia z tak zwanym uczeniem konkurencyjnym (competitive learning), w której po prezentacji wzorca wejściowego następuje określenie neuronu wygrywającego (winner) i tylko ten neuron, ewentualnie grupa sąsiadujących z nim neuronów, aktualizuje swoje wagi, tak by zbliżyć się do aktualnego wzorca. Przy uczeniu konkurencyjnym neurony rywalizują o przywilej uczenia się. Tylko jeden, lub najwyżej kilka neuronów, ma możliwość modyfikacji swoich wag w odpowiedzi na prezentację na wejściu. 6 O liczbie i intensywności uczenia się neuronów będących sąsiadami wygrywającego decyduje przyjęta funkcja sąsiedztwa. Najczęściej stosowanymi są funkcje: gaussowska, ucięta 5 Kohonen Teuvo, Self-Organizing Map, Second Edition, Springer, 1997, p Hertz John, Krogh Anders, Palmer Richard G., Wstęp do teorii obliczeń neuronowych, Wydawnictwa Naukowo-Techniczne, W-wa 1995, s Deboeck Guido, Kohonen Teuvo, Visual Explorations in Finance with Self-Organizing Maps, Springer, 1998, p. XXXiV-XXXV

6 gaussowska, bubble i ep 7. Neurony na mapie połączone są z sąsiadującymi neuronami przez relacje sąsiedztwa dyktując w ten sposób strukturę (topologię) sieci. Zazwyczaj definiowana topologia sieci to prostokątna bądź heksagonalna (sześciokątna) siatka. Rysunek 1. Różne topologie sieci SOM: prostokątna, heksagonalna. Prostokątna Źródło: Opracowanie własne Heksagonalna Każdy neuron posiada komplet sąsiadów i sam z kolei jest sąsiadem dla innych neuronów. 8 Ocena jakości mapy wykonywana jest najczęściej na podstawie 4 typów błędów. Jest to błąd kwantyzacji, błąd topograficzny, błąd dystorsji i liczba martwych neuronów. Błąd kwantyzacji określa poziom specjalizacji neuronów. Błąd topograficzny ocenia jakość rozciągnięcia mapy na obiekty wejściowe. 9 Błąd dystorsji mierzy zagęszczenie obiektów przy pojedynczych neuronach. Liczba martwych neuronów to stosunek liczby neuronów aktywnych do nieaktywnych. Optymalnie skonstruowana sieć SOM powinna mieć neurony wysoce wyspecjalizowane ( a więc mały błąd kwantyzacji ). Siatka powinna być prawidłowo rozciągnięta na badane obiekty tak aby w ich przestrzeni zajmować ten sam obszar. Gdy obiekty zajmują przestrzeń na bazie trójkąta to sieć powinna być rozciągnięta w taki właśnie trójkąt ( mały błąd topograficzny ). Neurony powinny być w miarę równomiernie przydzielone poszczególnym obiektom. Niski błąd dystorsji będzie świadczył o tym, że 7 Więcej o roli sąsiedztwa i własnościach poszczególnych funkcji można znaleźć w : J. Vesanto, Data Mining Techniques Based on the Self Organizing Map, Thesis for the degree of Master of Science in Engineering, Helsinki University of Technology, 1997, p.6. 8 Nałęcz Maciej (red.), Sieci Neuronowe, Biocybernetyka i Inżynieria Biomedyczna 2000, tom 6, PAN, Akadeick Oficyna Wydawnicza EXIT, 2000, s Vesanto Juha, Data Mining Techniques Based on the Self Organizing Map, Thesis for the degree of Master of Science in Engineering, Helsinki University of Technology, 1997, p

7 wszystkie obiekty mają w przybliżeniu tę samą liczbę neuronów wyspecjalizowanych do ich rozpoznawania. Sieć nie powinna być również zbyt nadmiarowa. Siatka neuronów powinna zawierać ich tyle ile potrzeba do rozpoznawania wszystkich obiektów, ale nie więcej. Każdy dodatkowy - martwy neuron to jedynie dodatkowy czas analiz nie zrekompensowany żadną dodatkową wiedzą. 2. PRZEBIEG EKSPERYMENTU Jako podstawowy cel stawiamy tu zweryfikowanie hipotezy, że posługując się migawkowymi danymi pochodzącymi z analizy technicznej możliwe jest efektywne inwestowanie w wybrane walory. Zakładamy ponadto, że właściwą metodą badawczą będzie sieć neuronowa typu SOM. Eksperyment przebiegał w następujący sposób: 1. Analizie poddano wszystkie spółki notowane na WGPW w maju 2002 przynajmniej od 100 sesji w systemie notowań ciągłych ( spełnia to założenie 216 spółek ). 2. Dla kolejnych 59 sesji 10 od 26 lutego 2002 do 26 maja 2002 zostały wyliczone macierze danych: a. w każdej kolumnie kolejna spółka, b. w każdym wierszu kolejny wskaźnik. Macierze te stanowiły dane wejściowe dla sieci neuronowej. 3. Dla każdej macierzy wejściowej ( każdej sesji ) budowana była sieć neuronowa SOM o następującej topologii : a. neurony rozpięte na siatce heksagonalnej b. rozmiar siatki 13x13 neuronów ( eksperymentalnie dobrany ) c. liczba iteracji uczących 2000 d. zastosowane funkcje sąsiedztwa: i. gaussowska, ii. ucięta gaussowska, iii. bubble, iv. ep. 4. Dla każdej sieci wyznaczono 4 typy błędów: a. błąd kwantyzacji Q b. błąd topograficzny T 10 Ze względu na dość długi czas uczenia pojedynczej sieci (zwykle kilka - kilkanaście godzin), aby ograniczyć łączny czas analiz arbitralnie ustalono taki zakres czasowy uwzględniony w badaniu.

8 c. błąd dystorsii D d. liczbę martwych neuronów N 5. Ponieważ znaczenie praktyczne poszczególnych błędów jest różne, zbudowano syntetyczny wskaźnik (błąd całkowity), który był minimalizowany. Błąd całkowity został wyznaczony następująco : BC=0.4Q+0.4T+0.1D+0.1N. 6. Wykonano po 5 prób uczenia sieci dla każdej z 4 funkcji sąsiedztwa i szacowano dla nich błąd całkowity. Sieć o najmniejszym błędzie całkowitym spośród 20 testowanych sieci została uznana za optymalną Na bazie optymalnej sieci w sensie błędu całkowitego metodą k-średnich dokonano podziału spółek na względnie jednorodne grupy. 8. Spółki, które znalazły się w grupie tych, których reprezentujące je neurony osiągnęły najwyższą aktywację zostały uznane na najatrakcyjniejsze według sieci. 9. Szacowano zmianę wartości zaproponowanego przez sieć portfela i porównywano ze zmianami wartości indeksu WIG. 10. Jeżeli zmiana wartości portfela była wyższa niż WIG u oznaczało to sukces. Jeżeli nie to porażkę. 11. Oszacowano liczę sukcesów i porażek w kolejnych 59 analizowanych sesjach. 3. WYNIKI ANALIZ Ze względu na ogromną liczbę informacji przetwarzanych przez sieć jak i dostarczanych przez nią informacji, trudno zaprezentować dokładne wyniki analiz dla wszystkich 59 sesji. Aby jednak analiza była zrozumiała, przedstawimy szczegóły dla pierwszej analizowanej sesji i syntetyczne wyniki dla 58 kolejnych. Rozpatrujemy dane techniczne z Po 2000 iteracji uczących sieć z gaussowską funkcją sąsiedztwa osiąga minimalny poziom błędu całkowitego BC = 0.15 w tym błąd kwantyzacji = 0.17, błąd topograficzny = 0.13, błąd dystorsji = 0.05 i procent martwych neuronów = 23.08%. Możemy zobaczyć jaki jest wpływ poszczególnych wskaźników na odwzorowanie SOM (rysunek 2). Zmienne od 1 do 25 to średnie ruchome. Jak widzimy sieć nie rozróżnia ich zbyt wyraźnie. Wszystkie odpowiadające im wykresy są prawie identyczne. Pozostałe zmienne oddziałują w różny sposób a więc niosą jakościowo różną informację. 11 Na tym etapie sieć nie wie czy wybrała spółki ponad przeciętne. Nie ma więc możliwości manipulacji.

9 Wynik łączny dla wszystkich zmiennych możemy zobaczyć na rysunku 3. Barwy ciemne wskazują na duże odległości między spółkami, barwy jasne małe. Pasy ciemnych gór oddzielają obszary o względnie podobnych własnościach. Podobieństwa te łatwiej zauważyć na rysunku 4, gdzie stopniom podobieństwa odpowiadają barwy. Podobne odcienie symbolizują podobne własności obiektów znajdujących się w danym rejonie sieci. Na bazie macierzy U metodą k-średnich dokonano klasyfikacji spółek. Podział macierzy U jest zaprezentowany na rysunku 5. Wyodrębniono 3 klasy spółek jednorodnych z punktu widzenia wszystkich wskaźników łącznie. Spółki, których neurony je reprezentujące charakteryzowały się największą aktywacją zaliczono do grupy 1. Jedynie ta grupa jest poddawana dalszej analizie. Walory, które znalazły się w tej grupie to : 02NFI 04PRO 05VICT 06MAGNA 07NFI 08OCTAVA 09KWIAT 13FORTUA 14ZACH 15HETMAN AMPLI BCZ BEDZIN BEEFSAN BICK BIELBAW BIG BORYSZEW CENTROZP COMPENSA CSS DELIA EFEKT ELEKTROX ELZAB ESPEBEPE EXBUD FARMACOL FASING FERRUM FORTESA FORTISPL GANT GARBARNA HOWELL HUTMEN HYDROTOR IBSYSTEM IGROUP IRENA JUTRZENA KGHM KOMPAP KRAKBROK KRUSZWIA LDASA LENTEX LETA LTL MACROSOT MASTERS MCI MIESZKO MITEX MORLINY MOSTALEP MOSTALGD MOSTALSL MOSTALWR MOSTALZB MPECWRO MUZA NETIA OCEAN OKOCIM OLAWA ONETGRUP OPTIMUS ORFE PEKABEX PEKPOL PEMUG PEPEES PERMEDIA PGF

10 PKNORLEN ROLIMPEX SUWARY POLIFARC ROPCZYCE TALEX PONARFEH SANOK TIM POZMEAT SKOTAN TUEUROPA PPLHOLD SOFTBANK VISCO PROCHEM SOKOLOW WILBO PROJPRZM STALEXP WISTIL PUE STALPROD WOLCZANA RELPOL STALPROI ZEG REMAK STOMIL ZREW Rysunek 2. Wpływ poszczególnych wskaźników na wynik odwzorowania SOM. U-matrix Variable1 Variable2 Variable3 Variable4 Variable5 Variable6 Variable7 Variable8 Variable9 Variable10 Variable11 Variable12 Variable13 Variable14 Variable15 Variable16 Variable17 Variable18 Variable19 Variable20 Variable21 Variable22 Variable23 Variable24 Variable25 Variable26 Variable27 Variable28 Variable29 Variable30 Variable31 Variable32 Variable33 Variable34 Variable35 Variable36 Variable37 Variable38 Variable39 Variable40 Variable41 Variable42 Variable43 Variable44 Variable45 Variable46 Variable47 Variable48 Variable49 Variable50 Variable51 Variable52 Variable53 Variable54 Variable55 Variable56 Variable57 Variable58 Variable59 Variable60 Variable61 Variable62 Variable63 Variable64 Źródło: Opracowanie własne.

11 Rysunek 3. Macierz U, łączny wpływ poszczególnych wskaźników na wynik odwzorowania SOM Źródło: Opracowanie własne. Rysunek 4. Podobieństwo obiektów na mapie SOM. Źródło: Opracowanie własne.

12 Rysunek 5. Klasyfikacja obiektów Źródło: Opracowanie własne. Badamy następnie zmianę wartości wybranych spółek na następnej sesji giełdowej i porównujemy ze zmianą WIG. Zmiana wartości tego portfela wyniosła % gdy na tej samej sesji WIG zmienił się o %. Taką sytuację nazwiemy sukcesem klasyfikacja dokonana przez sieć SOM na bazie danych analizy technicznej pozwoliła wyodrębnić spółki wzrostowe. Identycznej analizy dokonujemy dla kolejnych 58 sesji. Otrzymano następujące wyniki: 12 Numery na rysunkach 3 i 5 odpowiadają numerom spółek w bazie danych.

13 Tabl. 1. Syntetyczne wyniki analizy dla badanych 59 sesji. ZMIANA PORTFELA ZMIANA WIG 1 - sukces 0 porażka Źródło: Opracowanie własne.

14 Na 59 eksperymentów uzyskano 30 sukcesów a więc 50.85%. Sukcesy i porażki pojawiały się w sposób losowy (rysunek 6). W jednakowym stopniu dotyczy to sesji spadkowych jak i wzrostowych. Nieszczęśliwym trafem spadki były nieco głębsze niż wzrosty stąd skumulowana zmiana portfela jest znacznie niższa niż WIG u, odpowiednio i (rysunek 7). Ta dysproporcja została wywołana głównie na sesjach od 6 do 11 i strat z tego okresu nie udało się już odrobić. Rozkłady zmian portfela i WIG u są bardzo podobne (rysunek 8). Rysunek 6. Zmiany wartości portfela i WIG u. 4 3 ZMIANY WIG ZMIANY PORTFELA Źródło: Opracowanie własne.

15 Rysunek 7. Skumulowane zmiany wartości portfela i WIG u. 4 2 skumulowane zmiany portfela skumulowane zmiany WIG 0 ZMIANY PROCENTOWE SESJE Źródło: Opracowanie własne. Rysunek 8. Rozkłady zmian portfela i WIG u. 25 ROZKŁAD ZMIAN PORTFELA ROZKŁAD ZMIAN WIG Źródło: Opracowanie własne.

16 W rozkładzie zmian WIG u jest nieco więcej zmian dodatnich niż w rozkładzie zmian portfela i znajduje to odzwierciedlenie w skośności i spłaszczeniu obu rozkładów odpowiednio : skośność , , spłaszczenie , WNIOSKI W zależności od punktu widzenia można powiedzieć, że uzyskanych wyników należało się spodziewać lub machnąć na nie ręką. Zwolennicy analizy technicznej powiedzą, że należało wziąć pod uwagę także inne wskaźniki. Dobrali by inne wartości parametrów wskaźników użytych. Zażądaliby znacznego wydłużenia okresu analizy. Analitycy sceptycznie nastawieni do analizy technicznej odpowiedzą, że zawsze można tak dobrać narzędzia badawcze aby udowodnić swoje tezy. Można bowiem dla każdego zespołu spółek znaleźć pewien wskaźnik o odpowiednio dobranych parametrach, który wskaże rzeczywistą zmianę tendencji rynkowej na kolejnej sesji. Aby odizolować się od emocji i stronniczej oceny postanowiono odwołać się do niezależnego eksperta. Jego rolę pełniła tu sieć neuronowa 13. Z natury rzeczy nie miała ona zdania na temat analizy technicznej w momencie rozpoczęcia jej uczenia i miała sobie to zdanie dopiero wyrobić. Sieci przedstawiono 59 razy 64 wskaźniki dotyczące 216 walorów. Na tej podstawie próbowała ona pogrupować te walory we względnie jednorodne grupy. Najlepsza grupa poddana była dalszej analizie. Niestety nie udało się znaleźć żadnej ogólnej zasady, która pozwoliłaby wykryć optymalny zestaw wskaźników dla dowolnie wybranego momentu inwestycyjnego. Przedstawione tu wnioskowanie ma charakter empiryczny, gdyż ze względu na ograniczenia merytoryczne samej analizy technicznej nie można przeprowadzić wnioskowania teoretycznego. Jak w każdym badaniu empirycznym uzyskane wnioski nie mają charakteru ostatecznego ani pewnego. Niewątpliwie można by jeszcze rozszerzyć zakres analiz i wzmocnić zastosowaną metodologię. Na tym jednak etapie badań nie udało się wykryć żadnych istotnych informacji wśród analizowanych danych pochodzących z analizy technicznej. 13 Oczywiście zakłada się, że sieć jest w stanie wykryć informacje w prezentowanych jej danych. Z doświadczeń autorów wynika, że jeżeli w danych coś jest to sieć najczęściej to wykryje. Nie zawsze jednak potrafimy tą informację zinterpretować...

ZASTOSOWANIE SIECI NEURONOWEJ TYPU SOM DO WYBORU NAJATRAKCYJNIEJSZYCH SPÓŁEK NA WGPW W OPARCIU O WSKAŹNIKI ANALIZY FUNDAMENTALNEJ

ZASTOSOWANIE SIECI NEURONOWEJ TYPU SOM DO WYBORU NAJATRAKCYJNIEJSZYCH SPÓŁEK NA WGPW W OPARCIU O WSKAŹNIKI ANALIZY FUNDAMENTALNEJ ZASTOSOWANIE SIECI NEURONOWEJ TYPU SOM DO WYBORU NAJATRAKCYJNIEJSZYCH SPÓŁEK NA WGPW W OPARCIU O WSKAŹNIKI ANALIZY FUNDAMENTALNEJ Dr Kamila Migdał Najman Dr Krzysztof Najman Katedra Statystyki Wydział

Bardziej szczegółowo

PRÓBA ZASTOSOWANIA SIECI NEURONOWEJ TYPU SOM W BADANIU PRZESTRZENNEGO ZRÓŻNICOWANIA POWIATÓW W POLSCE.

PRÓBA ZASTOSOWANIA SIECI NEURONOWEJ TYPU SOM W BADANIU PRZESTRZENNEGO ZRÓŻNICOWANIA POWIATÓW W POLSCE. PRÓBA ZASTOSOWANIA SIECI NEURONOWEJ TYPU SOM W BADANIU PRZESTRZENNEGO ZRÓŻNICOWANIA POWIATÓW W POLSCE. Dr Kamila Migdał Najman Dr Krzysztof Najman Katedra Statystyki Wydział Zarządzania Uniwersytet Gdański

Bardziej szczegółowo

Diagramy ze sztucznie wprowadzoną symetrią jako narzędzie pomiaru natężenia składników losowych w szeregach czasowych stóp zwrotu

Diagramy ze sztucznie wprowadzoną symetrią jako narzędzie pomiaru natężenia składników losowych w szeregach czasowych stóp zwrotu Diagramy ze sztucznie wprowadzoną symetrią jako narzędzie pomiaru natężenia składników losowych w szeregach czasowych stóp zwrotu Dr Krzysztof Najman Katedra Statystyki Wydział Zarządzania Uniwersytet

Bardziej szczegółowo

Dynamika symboliczna jako narzędzie identyfikacji nielosowego charakteru stóp zwrotu walorów notowanych na GPW w Warszawie

Dynamika symboliczna jako narzędzie identyfikacji nielosowego charakteru stóp zwrotu walorów notowanych na GPW w Warszawie Dynamika symboliczna jako narzędzie identyfikacji nielosowego charakteru stóp zwrotu walorów notowanych na GPW w Warszawie Dr Krzysztof Najman Katedra Statystyki Wydział Zarządzania Uniwersytet Gdański

Bardziej szczegółowo

Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego

Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego Dorota Witkowska Szkoła Główna Gospodarstwa Wiejskiego w Warszawie Wprowadzenie Sztuczne

Bardziej szczegółowo

System transakcyjny oparty na średnich ruchomych. ś h = + + + + gdzie, C cena danego okresu, n liczba okresów uwzględnianych przy kalkulacji.

System transakcyjny oparty na średnich ruchomych. ś h = + + + + gdzie, C cena danego okresu, n liczba okresów uwzględnianych przy kalkulacji. Średnie ruchome Do jednych z najbardziej znanych oraz powszechnie wykorzystywanych wskaźników analizy technicznej, umożliwiających analizę trendu zaliczyć należy średnie ruchome (ang. moving averages).

Bardziej szczegółowo

Sieci Kohonena Grupowanie

Sieci Kohonena Grupowanie Sieci Kohonena Grupowanie http://zajecia.jakubw.pl/nai UCZENIE SIĘ BEZ NADZORU Załóżmy, że mamy za zadanie pogrupować następujące słowa: cup, roulette, unbelievable, cut, put, launderette, loveable Nie

Bardziej szczegółowo

Prace magisterskie 1. Założenia pracy 2. Budowa portfela

Prace magisterskie 1. Założenia pracy 2. Budowa portfela 1. Założenia pracy 1 Założeniem niniejszej pracy jest stworzenie portfela inwestycyjnego przy pomocy modelu W.Sharpe a spełniającego następujące warunki: - wybór akcji 8 spółek + 2 papiery dłużne, - inwestycja

Bardziej szczegółowo

Obrona rozprawy doktorskiej Neuro-genetyczny system komputerowy do prognozowania zmiany indeksu giełdowego

Obrona rozprawy doktorskiej Neuro-genetyczny system komputerowy do prognozowania zmiany indeksu giełdowego IBS PAN, Warszawa 9 kwietnia 2008 Obrona rozprawy doktorskiej Neuro-genetyczny system komputerowy do prognozowania zmiany indeksu giełdowego mgr inż. Marcin Jaruszewicz promotor: dr hab. inż. Jacek Mańdziuk,

Bardziej szczegółowo

Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2)

Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2) Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2) Ewa Wołoszko Praca pisana pod kierunkiem Pani dr hab. Małgorzaty Doman Plan tego wystąpienia Teoria Narzędzia

Bardziej szczegółowo

http://analizy-rynkowe.pl/ile-wynosila-sredniaprocentowa-zmiana-kursu-akcji-spolki-po-

http://analizy-rynkowe.pl/ile-wynosila-sredniaprocentowa-zmiana-kursu-akcji-spolki-po- Szanowni Państwo!, Nazywam się Sławomir Kłusek Moje zainteresowania zawodowe koncentrują się na tematyce rynku kapitałowego. W przyszłości pracowałem w instytucjach finansowych. Byłem też komentatorem,,gazety

Bardziej szczegółowo

Cena do wartości księgowej (C/WK, P/BV)

Cena do wartości księgowej (C/WK, P/BV) Cena do wartości księgowej (C/WK, P/BV) Wskaźnik cenadowartości księgowej (ang. price to book value ratio) jest bardzo popularnym w analizie fundamentalnej. Informuje on jaką cenę trzeba zapład za 1 złotówkę

Bardziej szczegółowo

Stopy zwrotu z akcji Shares with highest returns

Stopy zwrotu z akcji Shares with highest returns Statystyk ii M iies iięczne GPW WSE Month lly Stat iist iics (( 55 // 22 00 00 22 )) m aa j 22 00 00 22 (( 55 // 22 00 00 22 )) M aa yy 22 00 00 22 Stopy zwrotu z akcji Shares with highest returns Akcje

Bardziej szczegółowo

Testy popularnych wskaźników - RSI

Testy popularnych wskaźników - RSI Testy popularnych wskaźników - RSI Wskaźniki analizy technicznej generują wskazania kupna albo sprzedaży pomagając przy tym inwestorom podjąć odpowiednie decyzje. Chociaż przeważnie patrzy się na co najmniej

Bardziej szczegółowo

Dopasowywanie modelu do danych

Dopasowywanie modelu do danych Tematyka wykładu dopasowanie modelu trendu do danych; wybrane rodzaje modeli trendu i ich właściwości; dopasowanie modeli do danych za pomocą narzędzi wykresów liniowych (wykresów rozrzutu) programu STATISTICA;

Bardziej szczegółowo

EV/EBITDA. Dług netto = Zobowiązania oprocentowane (Środki pieniężne + Ekwiwalenty)

EV/EBITDA. Dług netto = Zobowiązania oprocentowane (Środki pieniężne + Ekwiwalenty) EV/EBITDA EV/EBITDA jest wskaźnikiem porównawczym stosowanym przez wielu analityków, w celu znalezienia odpowiedniej spółki pod kątem potencjalnej inwestycji długoterminowej. Jest on trudniejszy do obliczenia

Bardziej szczegółowo

ANALIZA TECHNICZNA RYNKÓW FINANSOWYCH

ANALIZA TECHNICZNA RYNKÓW FINANSOWYCH POLITECHNIKA OPOLSKA WYDZIAŁ ZARZĄDZANIA I INŻYNIERII PRODUKCJI ANALIZA TECHNICZNA RYNKÓW FINANSOWYCH ARKADIUSZ SKOWRON OPOLE 2007 Arkadiusz Skowron Analiza techniczna rynków finansowych 1 ANALIZA TECHNICZNA

Bardziej szczegółowo

Wprowadzenie. SOM jest skrótem od Self Organizing Maps, czyli Samoorganizujące się mapy.

Wprowadzenie. SOM jest skrótem od Self Organizing Maps, czyli Samoorganizujące się mapy. SOM i WebSOM Wprowadzenie SOM jest skrótem od Self Organizing Maps, czyli Samoorganizujące się mapy. Podstawy teoretyczne stworzył fiński profesor Teuvo Kohonen w 1982 r SOM - ogólnie Celem tych sieci

Bardziej szczegółowo

Kondycja ekonomiczna drzewnych spółek giełdowych na tle innych branż

Kondycja ekonomiczna drzewnych spółek giełdowych na tle innych branż Annals of Warsaw Agricultural University SGGW Forestry and Wood Technology No 56, 25: Kondycja ekonomiczna drzewnych spółek giełdowych na tle innych branż SEBASTIAN SZYMAŃSKI Abstract: Kondycja ekonomiczna

Bardziej szczegółowo

Algorytm wstecznej propagacji błędów dla sieci RBF Michał Bereta

Algorytm wstecznej propagacji błędów dla sieci RBF Michał Bereta Algorytm wstecznej propagacji błędów dla sieci RBF Michał Bereta www.michalbereta.pl Sieci radialne zawsze posiadają jedną warstwę ukrytą, która składa się z neuronów radialnych. Warstwa wyjściowa składa

Bardziej szczegółowo

Test wskaźnika C/Z (P/E)

Test wskaźnika C/Z (P/E) % Test wskaźnika C/Z (P/E) W poprzednim materiale przedstawiliśmy Państwu teoretyczny zarys informacji dotyczący wskaźnika Cena/Zysk. W tym artykule zwrócimy uwagę na praktyczne zastosowania tego wskaźnika,

Bardziej szczegółowo

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie.

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie. SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:

Bardziej szczegółowo

Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe.

Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe. Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe. zajecia.jakubw.pl/nai Literatura: S. Osowski, Sieci neuronowe w ujęciu algorytmicznym. WNT, Warszawa 997. PODSTAWOWE ZAGADNIENIA TECHNICZNE AI

Bardziej szczegółowo

Raport Tygodniowy. o sytuacji na rynkach finansowych. Rynek walutowy. Rynek akcji

Raport Tygodniowy. o sytuacji na rynkach finansowych. Rynek walutowy. Rynek akcji Raport Tygodniowy o sytuacji na rynkach finansowych Rynek walutowy Rynek akcji Poniedziałek, 21 września 2015 roku Kurs USD/PLN perspektywa długoterminowa, kurs z 18 września 2015 roku = 3,7269 Kurs spadł

Bardziej szczegółowo

WYKORZYSTANIE ANALIZY TECHNICZNEJ W PROCESIE PODEJMOWANIA DECYZJI INWESTYCYJNYCH NA PRZYKŁADZIE KGHM POLSKA MIEDŹ S.A.

WYKORZYSTANIE ANALIZY TECHNICZNEJ W PROCESIE PODEJMOWANIA DECYZJI INWESTYCYJNYCH NA PRZYKŁADZIE KGHM POLSKA MIEDŹ S.A. Uniwersytet Wrocławski Wydział Prawa, Administracji i Ekonomii Instytut Nauk Ekonomicznych Zakład Zarządzania Finansami Studia Stacjonarne Ekonomii pierwszego stopnia Krzysztof Maruszczak WYKORZYSTANIE

Bardziej szczegółowo

Prognozowanie kierunku ruchu indeksów giełdowych na podstawie danych historycznych.

Prognozowanie kierunku ruchu indeksów giełdowych na podstawie danych historycznych. Metody Sztucznej Inteligencji 2 Projekt Prognozowanie kierunku ruchu indeksów giełdowych na podstawie danych historycznych. Autorzy: Robert Wojciechowski Michał Denkiewicz Mateusz Gągol Wstęp Celem projektu

Bardziej szczegółowo

Studenckie Koło Naukowe Rynków Kapitałowych Kimberly-Clark Corp. (KMB) - spółka notowana na giełdzie NYSE.

Studenckie Koło Naukowe Rynków Kapitałowych Kimberly-Clark Corp. (KMB) - spółka notowana na giełdzie NYSE. Kimberly-Clark Corp. (KMB) - spółka notowana na giełdzie NYSE. Kimberly-Clark Corp. (KMB) ogólnoświatowa korporacja dostarczająca swoje produkty na potrzeby domu, wielu gałęzi przemysłu i medycyny. Dziś

Bardziej szczegółowo

ANALIZA SPÓŁEK

ANALIZA SPÓŁEK 2010.11.02 - ANALIZA SPÓŁEK Witam. Dzisiejsza analiza obejmuje spółki z indeksu WIG - BUDOWNICTWO POLIMEXMS Spółka POLIMEXMS zakończyła spadki w ramach bessy w lutym 2009 roku po osiągnięciu poziomu 2,02

Bardziej szczegółowo

Sieci neuronowe - dokumentacja projektu

Sieci neuronowe - dokumentacja projektu Sieci neuronowe - dokumentacja projektu Predykcja finansowa, modelowanie wskaźnika kursu spółki KGHM. Piotr Jakubas Artur Kosztyła Marcin Krzych Kraków 2009 1. Sieci neuronowe - dokumentacja projektu...

Bardziej szczegółowo

Adrian Horzyk

Adrian Horzyk Metody Inteligencji Obliczeniowej Metoda K Najbliższych Sąsiadów (KNN) Adrian Horzyk horzyk@agh.edu.pl AGH Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej

Bardziej szczegółowo

Studenckie Koło Naukowe Rynków Kapitałowych Hewlett-Packard Co. (HPQ) - spółka notowana na giełdzie nowojorskiej (NYSE).

Studenckie Koło Naukowe Rynków Kapitałowych Hewlett-Packard Co. (HPQ) - spółka notowana na giełdzie nowojorskiej (NYSE). Hewlett-Packard Co. (HPQ) - spółka notowana na giełdzie nowojorskiej (NYSE). Hewlett-Packard Co. (HPQ) to obecnie największa firma informatyczna świata. Magazym Wired uznał HP za twórcę pierwszego komputera

Bardziej szczegółowo

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd. Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru

Bardziej szczegółowo

Studenckie Koło Naukowe Rynków Kapitałowych Procter & Gamble Co. (PG) - spółka notowana na giełdzie nowojorskiej.

Studenckie Koło Naukowe Rynków Kapitałowych Procter & Gamble Co. (PG) - spółka notowana na giełdzie nowojorskiej. Procter & Gamble Co. (PG) - spółka notowana na giełdzie nowojorskiej. Procter & Gamble Co. (P&G, NYSE: PG) to globalna grupa kapitałowa mająca swoją siedzibę w Cincinnati, Ohio, USA. Wytwarza dobra konsumpcyjne,

Bardziej szczegółowo

Projektowanie systemu krok po kroku

Projektowanie systemu krok po kroku Rozdział jedenast y Projektowanie systemu krok po kroku Projektowanie systemu transakcyjnego jest ciągłym szeregiem wzajemnie powiązanych decyzji, z których każda oferuje pewien zysk i pewien koszt. Twórca

Bardziej szczegółowo

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1. tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1

Bardziej szczegółowo

Matematyka - Statystyka matematyczna Mathematical statistics 2, 2, 0, 0, 0

Matematyka - Statystyka matematyczna Mathematical statistics 2, 2, 0, 0, 0 Nazwa przedmiotu: Kierunek: Matematyka - Statystyka matematyczna Mathematical statistics Inżynieria materiałowa Materials Engineering Rodzaj przedmiotu: Poziom studiów: forma studiów: obowiązkowy studia

Bardziej szczegółowo

Studenckie Koło Naukowe Rynków Kapitałowych

Studenckie Koło Naukowe Rynków Kapitałowych Colgate-Palmolive Co. (CL) - spółka notowana na giełdzie nowojorskiej (NYSE). Czym zajmuje się firma? Colgate-Palmolive jest jednym z wiodących producentów z kategorii zdrowia jamy ustnej, pielęgnacji

Bardziej szczegółowo

Analiza Techniczna Andrzej Klempka analiza spółek

Analiza Techniczna Andrzej Klempka analiza spółek Dzisiejsza analiza obejmuje spółki z indeksu WIG - ENERGIA PGE (wykres 1) TAURON (wykres 2) ENEA (wykres 3) Spółka PGE zadebiutowała na giełdzie w listopadzie 2009 roku. Przez pierwsze pół roku na wykresie

Bardziej szczegółowo

Inteligentna analiza danych

Inteligentna analiza danych Numer indeksu 150946 Michał Moroz Imię i nazwisko Numer indeksu 150875 Grzegorz Graczyk Imię i nazwisko kierunek: Informatyka rok akademicki: 2010/2011 Inteligentna analiza danych Ćwiczenie I Wskaźniki

Bardziej szczegółowo

Algorytmy decyzyjne będące alternatywą dla sieci neuronowych

Algorytmy decyzyjne będące alternatywą dla sieci neuronowych Algorytmy decyzyjne będące alternatywą dla sieci neuronowych Piotr Dalka Przykładowe algorytmy decyzyjne Sztuczne sieci neuronowe Algorytm k najbliższych sąsiadów Kaskada klasyfikatorów AdaBoost Naiwny

Bardziej szczegółowo

Studenckie Koło Naukowe Rynków Kapitałowych Johnson & Johnson (JNJ) - spółka notowana na giełdzie nowojorskiej (NYSE).

Studenckie Koło Naukowe Rynków Kapitałowych Johnson & Johnson (JNJ) - spółka notowana na giełdzie nowojorskiej (NYSE). Johnson & Johnson (JNJ) - spółka notowana na giełdzie nowojorskiej (NYSE). Johnson & Johnson jest najbardziej wszechstronnym, obecnym na rynku międzynarodowym, wytwórcą produktów dla zdrowia i urody oraz

Bardziej szczegółowo

Analiza Techniczna Andrzej Klempka analiza spółek

Analiza Techniczna Andrzej Klempka analiza spółek Dzisiejsza analiza obejmuje spółki z indeksu WIG - SUROWCE KGHM (wykres 1) BOGDANKA (wykres 2) NEWWORLDN (wykres 3) Spółka KGHM jest jedną z tych, która najmocniej poszła w górę od ustanowienia dwa lata

Bardziej szczegółowo

ROCZNIK GIEŁDOWY 2000

ROCZNIK GIEŁDOWY 2000 GIEŁDA PAPIERÓW WARTOŚCIOWYCH w Warszawie ROCZNIK GIEŁDOWY 2000 DANE STATYSTYCZNE ZA ROK 1999 1 Oficjalne wydawnictwo Giełdy Papierów Wartościowych w Warszawie Copyright by Giełda Papierów Wartościowych

Bardziej szczegółowo

Specyfikacja narzędzi analizy technicznej w projekcie

Specyfikacja narzędzi analizy technicznej w projekcie Specyfikacja narzędzi analizy technicznej w projekcie Poniższy dokument opisuje parametry poszczególnych narzędzi analizy technicznej, na podstawie których generowane są sygnały kupna i sprzedaży spółek

Bardziej szczegółowo

Studenckie Koło Naukowe Rynków Kapitałowych

Studenckie Koło Naukowe Rynków Kapitałowych Chevron Corp. (CVX) - spółka notowana na giełdzie nowojorskiej (NYSE). Czym zajmuje się firma? Chevron Corp. (CVX)- jest jedna z największych firm energetycznych na świecie. Główna siedziba znajduje się

Bardziej szczegółowo

ANALIZA SPÓŁEK

ANALIZA SPÓŁEK 2010.09.20 - ANALIZA SPÓŁEK Witam. Dzisiejsza analiza obejmuje spółki z indeksu WIG - BANKI PKOBP Bank PKOBP swoje dno bessy wyznaczył pod koniec lutego 2009 roku na poziomie 18,90 złotych (wykres 1).

Bardziej szczegółowo

Studenckie Koło Naukowe Rynków Kapitałowych Exxon Mobil Corp. (XOM) - spółka notowana na giełdzie nowojorskiej (NYSE).

Studenckie Koło Naukowe Rynków Kapitałowych Exxon Mobil Corp. (XOM) - spółka notowana na giełdzie nowojorskiej (NYSE). Exxon Mobil Corp. (XOM) - spółka notowana na giełdzie nowojorskiej (NYSE). Exxon Mobil Corp. (XOM) zajmuje się eksploatacją złóż mineralnych, produkcją, transportem i sprzedażą ropy naftowej i gazu ziemnego.

Bardziej szczegółowo

Ebay Inc. (EBAY) - spółka notowana na giełdzie nowojorskiej (NASDAQ).

Ebay Inc. (EBAY) - spółka notowana na giełdzie nowojorskiej (NASDAQ). Ebay Inc. (EBAY) - spółka notowana na giełdzie nowojorskiej (NASDAQ). Czym zajmuje się firma? ebay - portal internetowy prowadzący największy serwis aukcji internetowych na świecie. ebay został założony

Bardziej szczegółowo

W okresie pierwszych dwóch i pół roku istnienia funduszu ponad 50% podmiotów było lepszych od średniej.

W okresie pierwszych dwóch i pół roku istnienia funduszu ponad 50% podmiotów było lepszych od średniej. W okresie pierwszych dwóch i pół roku istnienia funduszu ponad 50% podmiotów było lepszych od średniej. Istnieje teoria, że fundusze inwestycyjne o stosunkowo krótkiej historii notowań mają tendencję do

Bardziej szczegółowo

Studenckie Koło Naukowe Rynków Kapitałowych Wal-Mart Stores Inc. (WMT) - spółka notowana na giełdzie nowojorskiej (NYSE).

Studenckie Koło Naukowe Rynków Kapitałowych Wal-Mart Stores Inc. (WMT) - spółka notowana na giełdzie nowojorskiej (NYSE). Wal-Mart Stores Inc. (WMT) - spółka notowana na giełdzie nowojorskiej (NYSE). Wal-Mart Stores Inc. (WMT) amerykańska sieć supermarketów założona w 196 przez Sama Waltona, będąca obecnie największym na

Bardziej szczegółowo

Optymalizacja parametrów w strategiach inwestycyjnych dla event-driven tradingu dla odczytu Australia Employment Change

Optymalizacja parametrów w strategiach inwestycyjnych dla event-driven tradingu dla odczytu Australia Employment Change Raport 4/2015 Optymalizacja parametrów w strategiach inwestycyjnych dla event-driven tradingu dla odczytu Australia Employment Change autor: Michał Osmoła INIME Instytut nauk informatycznych i matematycznych

Bardziej szczegółowo

Sposoby prezentacji problemów w statystyce

Sposoby prezentacji problemów w statystyce S t r o n a 1 Dr Anna Rybak Instytut Informatyki Uniwersytet w Białymstoku Sposoby prezentacji problemów w statystyce Wprowadzenie W artykule zostaną zaprezentowane podstawowe zagadnienia z zakresu statystyki

Bardziej szczegółowo

ALGORYTM RANDOM FOREST

ALGORYTM RANDOM FOREST SKRYPT PRZYGOTOWANY NA ZAJĘCIA INDUKOWANYCH REGUŁ DECYZYJNYCH PROWADZONYCH PRZEZ PANA PAWŁA WOJTKIEWICZA ALGORYTM RANDOM FOREST Katarzyna Graboś 56397 Aleksandra Mańko 56699 2015-01-26, Warszawa ALGORYTM

Bardziej szczegółowo

Szkice rozwiązań z R:

Szkice rozwiązań z R: Szkice rozwiązań z R: Zadanie 1. Założono doświadczenie farmakologiczne. Obserwowano przyrost wagi ciała (przyrost [gram]) przy zadanych dawkach trzech preparatów (dawka.a, dawka.b, dawka.c). Obiektami

Bardziej szczegółowo

Analiza inwestycji i zarządzanie portfelem SPIS TREŚCI

Analiza inwestycji i zarządzanie portfelem SPIS TREŚCI Analiza inwestycji i zarządzanie portfelem Frank K. Reilly, Keith C. Brown SPIS TREŚCI TOM I Przedmowa do wydania polskiego Przedmowa do wydania amerykańskiego O autorach Ramy książki CZĘŚĆ I. INWESTYCJE

Bardziej szczegółowo

Studenckie Koło Naukowe Rynków Kapitałowych Goldman Sachs Group Inc. (GS) - spółka notowana na giełdzie nowojorskiej (NYSE).

Studenckie Koło Naukowe Rynków Kapitałowych Goldman Sachs Group Inc. (GS) - spółka notowana na giełdzie nowojorskiej (NYSE). Goldman Sachs Group Inc. (GS) - spółka notowana na giełdzie nowojorskiej (NYSE). Goldman Sachs Group Inc. (GS) jedna z największych ogólnoświatowych firm w branży bankowości inwestycyjnej pełniąca profesjonalne

Bardziej szczegółowo

Inwestycje finansowe. Wycena obligacji. Stopa zwrotu z akcji. Ryzyko.

Inwestycje finansowe. Wycena obligacji. Stopa zwrotu z akcji. Ryzyko. Inwestycje finansowe Wycena obligacji. Stopa zwrotu z akcji. yzyko. Inwestycje finansowe Instrumenty rynku pieniężnego (np. bony skarbowe). Instrumenty rynku walutowego. Obligacje. Akcje. Instrumenty pochodne.

Bardziej szczegółowo

ANALIZA SPÓŁEK

ANALIZA SPÓŁEK 2010.08.03 - ANALIZA SPÓŁEK Witam. Dzisiejsza analiza obejmuje spółki z indeksu WIG CHEMIA i WIG ENERGIA. SYNTHOS Spółka SYNTHOS najniższe notowanie w trakcie bessy wyznaczyła na początku lutego 2009 roku

Bardziej szczegółowo

Klasyfikator. ˆp(k x) = 1 K. I(ρ(x,x i ) ρ(x,x (K) ))I(y i =k),k =1,...,L,

Klasyfikator. ˆp(k x) = 1 K. I(ρ(x,x i ) ρ(x,x (K) ))I(y i =k),k =1,...,L, Klasyfikator Jedną z najistotniejszych nieparametrycznych metod klasyfikacji jest metoda K-najbliższych sąsiadów, oznaczana przez K-NN. W metodzie tej zaliczamy rozpoznawany obiekt do tej klasy, do której

Bardziej szczegółowo

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl

Bardziej szczegółowo

Avon Products Inc. (AVP) - spółka notowana na giełdzie nowojorskiej (NYSE).

Avon Products Inc. (AVP) - spółka notowana na giełdzie nowojorskiej (NYSE). Avon Products Inc. (AVP) - spółka notowana na giełdzie nowojorskiej (NYSE). Czym zajmuje się firma? Avon Products Inc. (AVP) światowa firma kosmetyczna zajmująca się produkcją i dystrybucją kosmetyków

Bardziej szczegółowo

I. OGÓLNE INFORMACJE PODSTAWOWE O PRZEDMIOCIE. Nie dotyczy. podstawowy i kierunkowy

I. OGÓLNE INFORMACJE PODSTAWOWE O PRZEDMIOCIE. Nie dotyczy. podstawowy i kierunkowy 1.1.1 Statystyka opisowa I. OGÓLNE INFORMACJE PODSTAWOWE O PRZEDMIOCIE STATYSTYKA OPISOWA Nazwa jednostki organizacyjnej prowadzącej kierunek: Kod przedmiotu: P6 Wydział Zamiejscowy w Ostrowie Wielkopolskim

Bardziej szczegółowo

NAJWAŻNIEJSZE INFORMACJE O PRZEMYŚLE CENTRALNYCH BANKÓW PIENIĘŻNYCH

NAJWAŻNIEJSZE INFORMACJE O PRZEMYŚLE CENTRALNYCH BANKÓW PIENIĘŻNYCH Wells Fargo & Co. (WFC) - spółka notowana na giełdzie nowojorskiej (NYSE). Wells Fargo & Co. (WFC) jest najbardziej zróżnicowaną firmą w zakresie oferowanych usług finansowych w USA. Główna siedziba banku

Bardziej szczegółowo

Studenckie Koło Naukowe Rynków Kapitałowych

Studenckie Koło Naukowe Rynków Kapitałowych Apple Inc. (AAPL) - spółka notowana na giełdzie nowojorskiej (NASDAQ). Czym zajmuje się firma? Apple Inc. (wcześniej Apple Computer Inc.) przedsiębiorstwo komputerowe założone 1 kwietnia 1976 roku przez

Bardziej szczegółowo

Analiza wariancji - ANOVA

Analiza wariancji - ANOVA Analiza wariancji - ANOVA Analiza wariancji jest metodą pozwalającą na podział zmienności zaobserwowanej wśród wyników eksperymentalnych na oddzielne części. Każdą z tych części możemy przypisać oddzielnemu

Bardziej szczegółowo

Testy nieparametryczne

Testy nieparametryczne Testy nieparametryczne Testy nieparametryczne możemy stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy dane można uporządkować według określonych kryteriów

Bardziej szczegółowo

Google Inc. (GOOG) - spółka notowana na giełdzie nowojorskiej (NASDAQ).

Google Inc. (GOOG) - spółka notowana na giełdzie nowojorskiej (NASDAQ). Google Inc. (GOOG) - spółka notowana na giełdzie nowojorskiej (NASDAQ). Czym zajmuje się firma? Google Inc. - znana amerykańska firma z branży internetowej. Jej flagowym produktem jest wyszukiwarka Google,

Bardziej szczegółowo

Studenckie Koło Naukowe Rynków Kapitałowych Coca-Cola Co. (KO) - spółka notowana na giełdzie nowojorskiej (NYSE).

Studenckie Koło Naukowe Rynków Kapitałowych Coca-Cola Co. (KO) - spółka notowana na giełdzie nowojorskiej (NYSE). Coca-Cola Co. (KO) - spółka notowana na giełdzie nowojorskiej (NYSE). Coca-Cola Co. (KO) - (w USA, Kanadzie, Australii i Wielkiej Brytanii powszechnie znana jako coke) to marka bezalkoholowego napoju gazowanego

Bardziej szczegółowo

Bank of America Corp.(DE) (BAC) - spółka notowana na giełdzie nowojorskiej (NYSE).

Bank of America Corp.(DE) (BAC) - spółka notowana na giełdzie nowojorskiej (NYSE). Bank of America Corp.(DE) (BAC) - spółka notowana na giełdzie nowojorskiej (NYSE). Czym zajmuje się firma? Bank of America jeden z największych banków świata. Pod względem wielkości aktywów zajmuje 3.

Bardziej szczegółowo

Analiza praktyk zarządczych i ich efektów w zakładach opieki zdrowotnej Województwa Opolskiego ROK 2008 STRESZCZENIE.

Analiza praktyk zarządczych i ich efektów w zakładach opieki zdrowotnej Województwa Opolskiego ROK 2008 STRESZCZENIE. Analiza praktyk zarządczych i ich efektów w zakładach opieki zdrowotnej Województwa Opolskiego ROK 2008 STRESZCZENIE Marcin Kautsch Opracowanie dla Urzędu Marszałkowskiego Województwa Opolskiego Kraków,

Bardziej szczegółowo

Sieci neuronowe jako sposób na optymalizacje podejmowanych decyzji. Tomasz Karczyoski Wydział W-08 IZ

Sieci neuronowe jako sposób na optymalizacje podejmowanych decyzji. Tomasz Karczyoski Wydział W-08 IZ optymalizacje podejmowanych decyzji Tomasz Karczyoski Wydział W-08 IZ Czym są sieci neuronowe Struktura matematycznych oraz programowy lub sprzętowy model, realizujących obliczenia lub przetwarzanie sygnałów

Bardziej szczegółowo

Studenckie Koło Naukowe Rynków Kapitałowych Dell Inc. (DELL) - spółka notowana na giełdzie nowojorskiej (NASDAQ).

Studenckie Koło Naukowe Rynków Kapitałowych Dell Inc. (DELL) - spółka notowana na giełdzie nowojorskiej (NASDAQ). Dell Inc. (DELL) - spółka notowana na giełdzie nowojorskiej (NASDAQ). Dell Inc. (DELL) to amerykańska korporacja zajmująca się produkcją komputerów, oraz urządzeń peryferyjnych. Sławę zdobyła przede wszystkim

Bardziej szczegółowo

Analiza metod prognozowania kursów akcji

Analiza metod prognozowania kursów akcji Analiza metod prognozowania kursów akcji Izabela Łabuś Wydział InŜynierii Mechanicznej i Informatyki Kierunek informatyka, Rok V Specjalność informatyka ekonomiczna Politechnika Częstochowska izulka184@o2.pl

Bardziej szczegółowo

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej

Bardziej szczegółowo

Jakie są zalety i wady tego rodzaju inwestycji?

Jakie są zalety i wady tego rodzaju inwestycji? Jakie są zalety i wady tego rodzaju inwestycji? Na Warszawskiej Giełdzie Papierów Wartościowych zadebiutował długo wyczekiwany na naszym rynku ETF. Ma on wiernie odwzorowywać zachowanie indeksu WIG20.

Bardziej szczegółowo

System transakcyjny oparty na wskaźnikach technicznych

System transakcyjny oparty na wskaźnikach technicznych Druga połowa ubiegłego stulecia upłynęła pod znakiem dynamicznego rozwoju rynków finansowych oraz postępującej informatyzacji społeczeństwa w skali globalnej. W tym okresie, znacząco wrosła liczba narzędzi

Bardziej szczegółowo

Raport Tygodniowy. o sytuacji na rynkach finansowych. Rynek walutowy. Rynek akcji

Raport Tygodniowy. o sytuacji na rynkach finansowych. Rynek walutowy. Rynek akcji Raport Tygodniowy o sytuacji na rynkach finansowych Rynek walutowy Rynek akcji Poniedziałek, 31 sierpnia 2015 roku Kurs USD/PLN perspektywa długoterminowa, kurs z 28 sierpnia 2015 roku = 3,7669 Kurs spadł

Bardziej szczegółowo

Wprowadzenie do analizy korelacji i regresji

Wprowadzenie do analizy korelacji i regresji Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA Zał. nr 4 do ZW WYDZIAŁ ELEKTRONIKI KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYKA MATEMATYCZNA Nazwa w języku angielskim Mathematical Statistics Kierunek studiów (jeśli dotyczy): Specjalność (jeśli

Bardziej szczegółowo

Studenckie Koło Naukowe Rynków Kapitałowych Tyco International Ltd. (TYC) - spółka notowana na giełdzie nowojorskiej (NYSE).

Studenckie Koło Naukowe Rynków Kapitałowych Tyco International Ltd. (TYC) - spółka notowana na giełdzie nowojorskiej (NYSE). Tyco International Ltd. (TYC) - spółka notowana na giełdzie nowojorskiej (NYSE). Korporacja TYCO istnieje we wszystkich regionach świata dostarczając szeroką gamę produktów i usług, wśród których można

Bardziej szczegółowo

Studenckie Koło Naukowe Rynków Kapitałowych

Studenckie Koło Naukowe Rynków Kapitałowych Microsoft Corp. (MSFT) - spółka notowana na giełdzie nowojorskiej (NASDAQ). Czym zajmuje się firma? Microsoft - na początku XXI wieku jest największą na świecie firmą branży komputerowej. Najbardziej znana

Bardziej szczegółowo

dr Tomasz Jurkiewicz mgr Krzysztof Najman Katedra Statystyki Wydział Zarządzania Uniwersytet Gdański K.Najman@panda.bg.univ.gda.pl

dr Tomasz Jurkiewicz mgr Krzysztof Najman Katedra Statystyki Wydział Zarządzania Uniwersytet Gdański K.Najman@panda.bg.univ.gda.pl Propozycja zastosowania metody klasyfikacji k-średnich oraz sieci neuronowej typu SOM do poprawy efektywności estymacji dla małych domen w reprezentacyjnym badaniu małych i średnich przedsiębiorstw dr

Bardziej szczegółowo

sprawozdawczego oraz dostarczenie informacji o funkcjonowaniu spółki. Natomiast wadą jest wymóg wyważonego doboru wskaźników, których podstawą jest

sprawozdawczego oraz dostarczenie informacji o funkcjonowaniu spółki. Natomiast wadą jest wymóg wyważonego doboru wskaźników, których podstawą jest ANALIZA WSKAŹNIKOWA Analiza danych finansowych za pomocą analizy wskaźnikowej wykorzystuje różne techniki badawcze, podkreślając porównawczą oraz względną wagę prezentowanych danych, które mają ocenić

Bardziej szczegółowo

Pulpit Inwestora. Zarządzanie zleceniami. 1. Składanie zleceń. Biuro Maklerskie

Pulpit Inwestora. Zarządzanie zleceniami. 1. Składanie zleceń. Biuro Maklerskie Pulpit Inwestora Zarządzanie zleceniami Biuro Maklerskie 1. Składanie zleceń Aplikacja umożliwia składanie zleceń na kilka sposobów: > poprzez komponent Zlecenia, > poprzez komponent Instrument, > z tabeli

Bardziej szczegółowo

Oscylator Stochastyczny

Oscylator Stochastyczny Oscylator Stochastyczny Wprowadzenie Oscylator stochastyczny jest jednym z bardziej znanych narzędzi analizy technicznej. Został skonstruowany w latach 50. przez George a Lane a prezesa Investment Educators

Bardziej szczegółowo

ANALIZA SPÓŁEK

ANALIZA SPÓŁEK 2010.10.20 - ANALIZA SPÓŁEK Witam. Dzisiejsza analiza obejmuje spółki z indeksu swig80 ALMA Spółka ALMA najniższe notowanie w bessie miała na początku marca 2009 roku na poziomie 14,42 złotych (wykres

Bardziej szczegółowo

Struktura terminowa rynku obligacji

Struktura terminowa rynku obligacji Krzywa dochodowości pomaga w inwestowaniu w obligacje Struktura terminowa rynku obligacji Wskazuje, które obligacje są atrakcyjne a których unikać Obrazuje aktualną sytuację na rynku długu i zmiany w czasie

Bardziej szczegółowo

Raport pochodzi z portalu

Raport pochodzi z portalu B3.1 Wartość dodana Analiza szczegółowa obszaru B3 rozpoczyna się od oceny sektorów/sekcji/działów gospodarki regionu pod względem spełnienia podstawowego kryterium wzrostu i innowacyjności. Pierwszym

Bardziej szczegółowo

Analiza danych. http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU

Analiza danych. http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Analiza danych Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Różne aspekty analizy danych Reprezentacja graficzna danych Metody statystyczne: estymacja parametrów

Bardziej szczegółowo

Studenckie Koło Naukowe Rynków Kapitałowych Microsoft Corp. (MSFT) - spółka notowana na giełdzie nowojorskiej (NYSE).

Studenckie Koło Naukowe Rynków Kapitałowych Microsoft Corp. (MSFT) - spółka notowana na giełdzie nowojorskiej (NYSE). Microsoft Corp. (MSFT) - spółka notowana na giełdzie nowojorskiej (NYSE). Microsoft Corp. (MSFT) jest największą na świecie firmą branży komputerowej. Najbardziej znana jako producent systemów operacyjnych

Bardziej szczegółowo

Co to jest grupowanie

Co to jest grupowanie Grupowanie danych Co to jest grupowanie 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Szukanie grup, obszarów stanowiących lokalne gromady punktów Co to jest grupowanie

Bardziej szczegółowo

Lista notowanych spó ek (wg stanu na koniec 2002 r.) Listed Companies (as of end of 2002)

Lista notowanych spó ek (wg stanu na koniec 2002 r.) Listed Companies (as of end of 2002) Lista notowanych spó ek (wg stanu na koniec 2002 r.) Listed Companies (as of end of 2002) 4MEDIA [4MD] 4 MEDIA SA www.4media.pl APATOR [APT] Apator SA www.apator.torun.pl BICK [BIC] Bick SA www.bick.com.pl

Bardziej szczegółowo

WPROWADZENIE DO ANALIZY TECHNICZNEJ

WPROWADZENIE DO ANALIZY TECHNICZNEJ WPROWADZENIE DO ANALIZY TECHNICZNEJ Plan szkolenia 1) Podstawowe pojęcia i założenia AT, 2) Charakterystyka głównych typów wykresów, 3) Pojęcie linii trendu, 4) Obszary wsparcia/oporu, 5) Prezentacja przykładowej

Bardziej szczegółowo

oferty kupujących oferty wytwórców

oferty kupujących oferty wytwórców Adam Bober Rybnik, styczeń Autor jest pracownikiem Wydziału Rozwoju Elektrowni Rybnik S.A. Artykuł stanowi wyłącznie własne poglądy autora. Jak praktycznie zwiększyć obrót na giełdzie? Giełda jako jedna

Bardziej szczegółowo

Statystyka matematyczna dla leśników

Statystyka matematyczna dla leśników Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje

Bardziej szczegółowo

kod nr w planie ECTS Przedmiot studiów PODSTAWY STATYSTYKI 7 2

kod nr w planie ECTS Przedmiot studiów PODSTAWY STATYSTYKI 7 2 kod nr w planie ECTS Przedmiot studiów PODSTAWY STATYSTYKI 7 2 Kierunek Turystyka i Rekreacja Poziom kształcenia II stopień Rok/Semestr 1/2 Typ przedmiotu (obowiązkowy/fakultatywny) obowiązkowy y/ ćwiczenia

Bardziej szczegółowo

Stopy zwrotu z akcji Shares with highest returns

Stopy zwrotu z akcji Shares with highest returns Statystyk ii M iies iięczne GPW WSE Month lly Stat iist iics (( 66 // 22 00 00 33 )) cc zz eerr ww ii i ee cc 22 00 00 33 (( 66 // 22 00 00 33)) JJ uu nn ee 22 00 00 33 Stopy zwrotu z akcji Shares with

Bardziej szczegółowo

METODY INŻYNIERII WIEDZY

METODY INŻYNIERII WIEDZY METODY INŻYNIERII WIEDZY WALIDACJA KRZYŻOWA dla ZAAWANSOWANEGO KLASYFIKATORA KNN ĆWICZENIA Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej

Bardziej szczegółowo

Weryfikacja hipotez statystycznych

Weryfikacja hipotez statystycznych Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta

Bardziej szczegółowo

Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych

Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych dr Piotr Sulewski POMORSKA AKADEMIA PEDAGOGICZNA W SŁUPSKU KATEDRA INFORMATYKI I STATYSTYKI Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych Wprowadzenie Obecnie bardzo

Bardziej szczegółowo