Andrzej Ćwiok. System zarządzania ryzykiem inwestycyjnym z wykorzystaniem sieci neuronowych

Wielkość: px
Rozpocząć pokaz od strony:

Download "Andrzej Ćwiok. System zarządzania ryzykiem inwestycyjnym z wykorzystaniem sieci neuronowych"

Transkrypt

1 POLITECHNIKA ŚLĄSKA Wydział InŜynierii Materiałowej i Metalurgii Zarządzanie i InŜynieria Produkcji Specjalność: Informatyka w zarządzaniu PRACA MAGISTERSKA Andrzej Ćwiok System zarządzania ryzykiem inwestycyjnym z wykorzystaniem sieci neuronowych Recenzent dr hab. inŝ. Tadeusz Wieczorek prof. nzw. w Pol. Śl. Promotor: dr inŝ. Mirosław Kordos Katowice 2008

2 Pragnę serdecznie podziękować wszystkim pracownikom Katedry Elektrotechnologii Politechniki Śląskiej w Katowicach, a w szczególności panu dr Mirosławowi Kordosowi za opiekę naukową oraz pomoc w trakcie pisania pracy magisterskiej. 2

3 Spis treści 1.Wstęp...4 Cel i zakres Pracy Strategie inwestycyjne Analiza techniczna Analiza fundamentalna Predykcja przy pomocy sieci neuronowych Sieci neuronowe Sieci neuronowe Algorytm uczenia Selekcja cech Opis systemu Idea systemu Implementacja systemu Badania i wyniki Zbiory danych Porównanie klasycznej analizy rynku z modelem neuronowym Podsumowanie i wnioski Bibliografia Spis rysunków Spis tabel

4 1.Wstęp Prognozowanie zjawisk zachodzących na rynkach finansowych ma duŝy wpływ na procesy zarządzania, zarówno, jeśli chodzi o zarządzanie kapitałem finansowym jak i o zarządzanie inwestycjami w firmach. Znajomość, chociaŝ przybliŝonych przyszłych wartości wybranych indeksów gospodarczych moŝe słuŝyć, jako bardzo waŝne narzędzie pozwalające określić przyszłe strategie inwestycyjne firm gdyŝ obrazują one kierunek, w którym dany sektor się porusza. Dla inwestorów, którzy obracają swoim kapitałem finansowym na giełdach znajomość przyszłych indeksów a nawet tylko kierunków zmian trendu podąŝania wybranych akcji stanowi bardzo cenny sygnał do tego jak formułować strategie inwestycyjne, co w bezpośredni sposób przekłada się na zyski bądź straty. Praca ta jest przede wszystkim poświęcona próbie budowy systemu, który nie będzie odpowiedzialny za przewidywanie przyszłych wartości danych indeksów, lecz przede wszystkim za formułowanie gotowych decyzji inwestycyjnych. W dalszej części pracy zostaną pokazane obecne sposoby podejmowania decyzji na rynkach finansowych w porównaniu z systemem wykorzystującym sieci neuronowe. Biorąc pod uwagę klasyczne systemy mające ułatwić podejmowanie określonych kroków na rynkach finansowych moŝemy łatwo zauwaŝyć, iŝ opierają się one wyłącznie na małej ilości danych, co jest ich słabością. W obecnych czasach, gdy problemem nie jest brak informacji, lecz jej nadmiar strategie określane na podstawie tylko wybranych informacji mają duŝe prawdopodobieństwo mijania się z rzeczywistością. Jednocześnie inwestor, który podczas określania decyzji bierze zbyt duŝo informacji pod uwagę boryka się z wysokim prawdopodobieństwem otrzymywania sprzecznych sygnałów, wręcz wykluczających się. Jako, Ŝe dane finansowe takie jak kursy akcji w niejawny sposób prezentują kondycję firmy trudnym jest podjęcie przez człowieka decyzji, która by charakteryzowała się wysoką pewnością. Niejednokrotnie inwestorzy podejmują decyzję na podstawie przeczucia bądź teŝ chęci nadrobienia strat ryzykując obecnym kapitałem. Brak modeli inwestycyjnych dla wybranych akcji jest głównie spowodowany brakiem przejrzystości procesów, jakie zachodzą na giełdach. Decyzje inwestycyjne podejmowane są głównie na podstawie interpretacji wartości samych akcji jak i wskaźników analizy technicznej bądź fundamentalnej. Patrząc na mnogość uŝywanych wskaźników moŝemy dojść do wniosku, Ŝe interpretowanie ich przez człowieka jest zbyt trudne gdyŝ pojedynczo dają sygnały, które nie zawsze pokrywają się z sygnałami innych wskaźników bądź teŝ wskaźniki jednocześnie dają sygnały sprzeczne z sytuacja rynkową. 4

5 Cel i zakres Pracy Na cel pracy składają się dwa zadania. Pierwszym z nich jest budowa systemu, który przy wykorzystaniu sieci neuronowej będzie sugerował inwestorowi decyzje inwestycyjne. Drugim zadaniem jest określenie przydatności takiego systemu na podstawie decyzji, jakie podejmował dla wybranej akcji. Wydaje się, Ŝe automatyczny system podejmowania decyzji będzie pewniejszy niŝ kierowanie się emocjami oraz klasycznymi metodami gry na giełdzie gdyŝ jest pozbawiony głównych wad tychŝe systemów w tym najwaŝniejszej konieczności analizy przez człowieka. Dodatkowym atutem jest takŝe to, iŝ podczas budowy modelu neuronowego mamy moŝliwość korzystania z danych, które nie są brane pod uwagę podczas tworzenia obecnie znanych wskaźników, co moŝe wpłynąć na skuteczność samego systemu. Biorąc pod uwagę to, iŝ najczęściej nie mamy dobrych modeli ekonometrycznych, które obrazowałyby zaleŝności, jakie występują na giełdzie oraz często spotykamy się z sytuacją, gdy inwestor nie jest w stanie stwierdzić, jakie reguły rządzą zmianami na giełdzie i jaką decyzję ma podjąć, zasadnym wydaje się podjęcie próby budowy systemu opartego na sieciach neuronowych. Jest tak głównie za sprawą zdolności sieci neuronowych do generalizacji, wychwycenia reguł rządzących danym procesem. Głównym załoŝeniem jest to, iŝ dane reguły istnieją i nie mamy tu do czynienia jedynie ze zjawiskiem przypadkowym. Jeśli chodzi o przewidywanie decyzji inwestycyjnych wydaje się, Ŝe zjawisko przypadkowości nie jest dominującym. Podstawowym dowodem na to jest mniejsza lub większa powtarzalność cykli wzrostów i spadków wartości akcji, co zostanie szerzej omówione w dalszej części pracy. Jako, Ŝe wyniki otrzymane przy wykorzystaniu sieci neuronowych są wynikami przybliŝonymi moŝe się wydawać, Ŝe ich przydatność nie jest zbyt duŝa. W tym przypadku jednak nie chodzi nam o dokładny wynik ceny akcji, lecz o decyzję, którą podejmuje system. Budowa systemu podejmującego decyzje a nie tylko modelu opartego na sieciach neuronowych wydaje się być dobrym rozwiązaniem gdyŝ eliminuje emocjonalne podejście uŝytkownika jak i równocześnie jest dla niego wygodniejsza. W dalszej części pracy zostanie opisana próba budowy takiego systemu wraz z analizą otrzymanych wyników trafności decyzji i propozycjami dalszych badań. 5

6 2. Strategie inwestycyjne Określanie strategii inwestycyjnych jest sprawą trudną i wymagająca od inwestora podjęcia działań zapewniających podjęcie jak najbardziej trafnej decyzji. Głównym problemem dotyczącym formułowania owych strategii jest brak pewnej informacji na temat przyszłego ruchu cen danego waloru w chwili podejmowania decyzji. Określenie przyszłego ruchu cen w podejmowaniu decyzji inwestycyjnej wydaje się sprawą kluczową i stało się obiektem badań znacznej rzeszy naukowców[1]. Lata badań pozwoliły na wykształcenie się dwu głównych filozofii dotyczących postępowania na giełdzie- analizy technicznej oraz analizy fundamentalnej. Podstawą tych analiz jest przede wszystkim ocena zachodzących do tej pory zjawisk na rynkach finansowych a następnie formułowanie przy pomocy charakterystycznych dla danej analizy decyzji inwestycyjnych[5]. Jako, Ŝe praca ta poświęcona jest budowie systemu zarządzania ryzykiem inwestycyjnym przy wykorzystaniu sieci neuronowych w dalszej jej części nastąpi porównanie wyników otrzymanych przy wykorzystaniu modelu neuronowego z modelem wybranej klasycznej analizy. Zaprezentowanie mechanizmów rządzących analizą techniczną oraz fundamentalną wydaje się być zasadne, gdyŝ budowa modelu neuronowego bez wykorzystania wiedzy zawartej w tych dwu analizach była by niemoŝliwa. 2.1 Analiza techniczna Analiza techniczna z definicji to badanie zachowań rynku, przede wszystkim przy uŝyciu wykresów, którego celem, jest przewidywani przyszłych trendów cenowych 1 Podstawa analizy technicznej jest przede wszystkim twierdzenie, Ŝe wpływ na cenę akcji mają czynniki polityczne, psychologiczne, fundamentalne, co z kolei prowadzi do wniosku, iŝ w skutecznej analizie wystarczy skoncentrować się na cenach gdyŝ one w wystarczający sposób prezentują zaleŝność miedzy popytem a podaŝą. Analityk korzystający z analizy technicznej, jako głównego narzędzia nie bierze pod uwagę czynników ekonomicznych wpływających na wartość danej akcji, gdyŝ z załoŝenia sama cena jest odzwierciedleniem procesów gospodarczych, które mają na nią wpływ. Kolejnym załoŝeniem analizy technicznej jest to, iŝ ceny podlegają trendom i w zasadzie załoŝenie, iŝ rozpoznanie trendu we wczesnej jego fazie gwarantuje uzyskanie 1 Murphy John Analiza techniczna rynków finansowych WIG-Press Warszawa 1999 s. 1 6

7 zysku. Większość metod stosowanych a analizie technicznej ma na celu identyfikację trendu i określenie decyzji inwestycyjne zgodnej ze zidentyfikowanym trendem. Identyfikacja trendu pozwala nam na określenie, w jakim kierunku rynek się porusza oraz na podjecie adekwatnej decyzji w chwili, gdy zaczynają się pojawiać przesłanki o jego umocnieniu bądź teŝ odwróceniu. Analiza wykresów oraz określanie trendów nieodłącznie towarzyszy analizie technicznej. Jako, Ŝe określanie formacji na wykresach cen ma ja swoją długa historię mamy tu do czynienia takŝe z czynnikiem psychologicznym. Inwestorzy wierzą w to, iŝ sytuacja, która wystąpiła w przeszłości i charakteryzowała się określonym skutkiem takŝe będzie się charakteryzować podobnym w przyszłości. Biorąc pod uwagę ten czynnik moŝemy załoŝyć, Ŝe podjęte decyzje będą w znacznym stopniu determinowane przez decyzje podjęte w przeszłości. Analiza wykresów niesie z sobą moŝliwość błędnej interpretacji trendów, dlatego teŝ powstał odłam analizy technicznej, który za pośrednictwem wskaźników stara się w dokładny sposób precyzować, kiedy ma nastąpić zawarcie transakcji. WiąŜe się to z moŝliwością opóźnienia zawarcia transakcji, gdyŝ podejmując decyzję musielibyśmy mieć pewność, Ŝe uŝywamy odpowiedniego wskaźnika lub zespołu wskaźników i w optymalnym momencie wskaŝe nam on zmianę trendu. Z drugiej jednak strony czysta analiza wykresów obarczona jest tym samym ryzykiem, gdyŝ tworzące się formacje, które sygnalizują nam zmianę trendu nie są dla kaŝdego akcjonariusza oczywiste i czytelne. Analiza opierająca się na wskaźnikach ma ciągle znamiona analizy technicznej gdyŝ wskaźniki nadal opierają się na wartościach cen, co jest podstawowym załoŝeniem tejŝe analizy. Jako iŝ to podejście jest bardziej automatyczne oraz nie cechuje się subiektywizmem, będzie ono słuŝyło do porównania z wynikami budowanego modelu neuronowego [1]. Wskaźniki analizy technicznej są przede wszystkim narzędziem, które ma na celu zobrazowanie tego, co w danej chwili dzieje się i działo na rynku. Dzielą się one na dwie podstawowe grupy wskaźniki trendu (wszelkiego rodzaju średnie) oraz oscylatory wskaźniki, których zadaniem jest informowanie o krótkoterminowych sytuacjach skrajnych lub zmianie impetu trendu) [2]. Jednym z prostszych wskaźników analizy technicznej jest SMA (Prosta średnia krocząca). Jest to średnia arytmetyczna wartości z n okresów gdzie p 0 oznacza ostatnią wartość [2]. p0 + p pn 1 SMA= (1) n 7

8 Posługiwanie się tego rodzaju średnią jest bardzo proste. Sygnały kupna generowane są, gdy średnia krocząca przebije od dołu wykres ceny akcji. Sygnał sprzedaŝy pojawia się, gdy średnia przebije od góry wykres cen. Okresy, dla jakich liczone są średnie kroczące zaleŝą przede wszystkim od tego czy inwestor postanowił budować swój kapitał inwestując krótko czy długoterminowo. Krótkie średnie kroczące dają częstsze sygnały gdyŝ przebiegają bardzo blisko wykresu cen, długie średnie wręcz przeciwnie. Jako iŝ średnie kroczące są wskaźnikami opróŝnionymi mamy tu do czynienia z dwoma problemami. W przypadku krótkich średnich moŝe zaistnieć sytuacja, w której będziemy otrzymywać błędne sygnały. Dodatkowo sygnały generowane przez krótką średnią kroczącą są sygnałami częstymi, co zmusza nas do częstego zawierania transakcji a co za tym idzie zwiększa nasze wydatki na prowizje. Stosowanie długich średnich wiąŝe się z ryzykiem zbyt późnego podjęcia decyzji czyli zmniejszenia zysku przez za późne kupno lub zbyt szybką sprzedaŝ.[1] Rysunek 1: Przykłady sygnałów generowanych przez długie i krótkie średnie. Murphy John Analiza techniczna rynków finansowych WIG-Press Warszawa 1999 s.198 Jak widać za załączonym diagramie krótsza średnia krocząca dała przedwczesny sygnał kupna w listopadzie a niepotrzebny sygnał sprzedaŝy w lutym, co w porównaniu z długa średnią krocząca ograniczyło zyski. Korzystając ze średnich kroczących moŝemy takŝe tworzyć wskaźniki oparte na dwu i więcej średnich. Bardzo dobrym przykładem jest metoda podwójnego przecięcia. Wykorzystuje się tu dwie średnie: długa i krótką. Najczęściej są to średnie 5 i 20 dniowe. Sygnał kupna pojawia się, gdy krótsza średnia przetnie od dołu dłuŝszą średnią natomiast sygnał sprzedaŝy, gdy dłuŝsza przetnie od dołu krótszą średnią. 8

9 Rysunek 2: Sygnały generowane przy uŝyciu metody podwójnego przecięcia. Murphy John Analiza techniczna rynków finansowych WIG-Press Warszawa 1999 s.199 Jak widać zastosowanie tych dwu średnich pozwoliło sprzedać akcje zanim nastąpił radykalny spadek ich wartości. Sygnał zakupu nastąpił, gdy ceny rosły juŝ od jakiegoś czasu, lecz stosując metodę podwójnego przecięcia mamy większą pewność, Ŝe mamy do czynienia ze stałym trendem wzrostowym a nie tylko przelotnym wzrostem cen. Posługiwanie się średnimi kroczącymi ma swoje zalety gdyŝ bardzo sprawdzają się one, gdy mamy do czynienia z wyraźnym trendem, niestety, gdy pojawi się trend horyzontalny mogą powodować pojawianie się błędnych sygnałów. Z pomocą przychodzą nam wtedy wskaźniki uniezaleŝnione od trendu, czyli oscylatory. Oscylatory maja za zadanie wskazanie sytuacji granicznych na rynku, którymi dla przykładu jest wyprzedanie lub wykupienie rynku [1]. Jednym z popularniejszych oscylatorów jest RSI ( Wskaźnik siły względnej). Jest to wskaźnik analizujący wewnętrzną siłę jednego waloru. Oscylator ten jest głównie łączony ze średnimi kroczącymi w celu potwierdzenia wystąpienia sygnału zakupu bądź sprzedaŝy. Sygnały kupna występują, gdy RSI przecina od dołu średnia krocząca, sygnały sprzedaŝy, gdy średnia przecinana jest od góry. Jednak w tej sytuacji moŝemy otrzymywać błędne sygnały podczas trendów horyzontalnych [2]. Lepszym rozwiązaniem wydaje się stosowanie klasycznego wskaźnika RSI. 9

10 100 RSI = 100 (2) 1+ RS gdzie: RS - średnia wartość wzrostu cen z x dni do średniej wartości spadku cen z x dni Jako iŝ wskaźnik RSI przyjmuje wartości z zakresu 0 do 100 moŝliwym stało się wyznaczenie zakresów dla wykupienia bądź wyprzedania rynku, co z kolei jest podstawą generowania sygnału kupna bądź sprzedaŝy. Sygnały generujemy na podstawie zachowania się wskaźnika w okolicach poziomu 30 i 70. Obserwujemy czy występuje tzw. ruch załamany, który charakteryzuje się tym, iŝ po przebiciu linii 30 bądź 70 kolejny wierzchołek znajduje się poniŝej poprzedniego, po czym następuje przebicie od góry poprzedniego dołka [1]. Rysunek 3: Zasada generowania sygnału sprzedaŝy dla RSI Murphy John Analiza techniczna rynków finansowych WIG-Press Warszawa 1999 s.212 Jak widać na rysunku 3 drugi szczyt jest niŝszy do pierwszego. Przebicie dołka w punkcie 3 zwiastuje zmianę trendu na spadkowy. Oscylator RSI sprawdza się takŝe bardzo dobrze w inwestycjach długoterminowych. Wspomniane juŝ wcześniej przecięcia linii granicznych stają się sygnałami do kupna lub sprzedaŝy (w przypadku, gdy linia RSI przekracza linię graniczna by później powrócić do kanału z przedziału 30 do 70) 10

11 Rysunek 4: Wykorzystanie RSI przy inwestycjach długo-terminowych. Murphy John Analiza techniczna rynków finansowych WIG-Press Warszawa 1999 s.215 Jak widać przecięcia linii wykupienia bądź wyprzedania bardzo trafnie pokazywały kierunek, w którym będzie zmierzał rynek. Kolejnym wskaźnikiem, na który warto zwrócić uwagę jest ROC (Wskaźnik zmian) Obrazuje on jak zmienia się tempo zmian poprzez porównanie obecnej ceny zamknięcia z ceną zamknięcia z przed x dni.[1] V ROC = 100 (3) V i gdzie: V - ostatnia cena zamknięcia, Vi -cena zamknięcia sprzed x dni. Większość analityków za sygnał kupna uwaŝa przecięcie linii 0 od spodu a sygnał sprzedaŝy za przecięcie jej od góry. Dodatkowym sygnałem moŝe być powrót wartości wskaźnika na stronę, z której nastąpiło przebicie linii 0 i ponowne jej przebicie. Często ten sygnał jest stosowany, jako potwierdzenie. Dodatkowo stosowane są często średnie kroczące w celu potwierdzenia występowania trendu. 11

12 Rysunek 5: Wystąpienie sygnałów kupna i sprzedaŝy po przecięciu linii zero wraz z potwierdzeniem sygnału średnią kroczącą. Murphy John Analiza techniczna rynków finansowych WIG-Press Warszawa 1999 s.203 Kolejnym wskaźnikiem, który obrazuje poziom wyprzedania bądź wykupienia rynku jest CCI (Commodity Chanel Index). Wskaźnik ten oscyluje w przedziałach -100 do 100 i przekroczenie tych przedziałów kolejno znaczy o wyprzedaniu i wykupieniu rynku [1]. Wraz ze wskaźnikiem moŝna takŝe stosować średnią krocząca z CCI, która gdy przetnie wykres wartości CCI od góry sygnalizuje sprzedaŝ, od dołu zakup [3]. C+ H + L C+ H + L ( SK( ; n)) CCI 3 3 (4) C+ H + L C+ H + L ( ) SK( ; n) *0, = n 1 j= 0 12

13 Rysunek 6: Zasada generowania sygnałów dla CCI. Przecięcie linii 100 sugeruje zakup, -100 sprzedaŝ. Murphy John Analiza techniczna rynków finansowych WIG-Press Warszawa 1999 s.208 Oscylator stochastyczny SO opiera się na dwu liniach kreślonych na podstawie cen. Linia %D jest źródłem sygnałów, linia %K pokazuje jak ma się obecna cena zamknięcia do ceny z danego okresu. C L14 % K = 100 (5) H14 L14 gdzie: C -ostatnia cena zamknięcia, L14 -najniŝsza cena z ostatnich czternastu okresów, H14 -najwyŝsza cena z ostatnich 14 okresów. Linia %D jest średnią z wartości linii K dla danego okresu. Jak w przypadku innych oscylatorów, sygnały wykupienia i wyprzedania określane są na stałych poziomach. Dla SO są to poziomy 80 i 20, a linia, która nas informuje o wyprzedaniu bądź wykupieniu to %D. Sygnał sprzedaŝy występuje, gdy linia D tworzy powyŝej linii 80 dwa wierzchołki a ceny nadal rosną, sygnał kupna, gdy linia D przebija linię 20 takŝe tworząc 2 wierzchołki oraz ceny spadają. Jeśli te warunki zostały spełnione oraz linia %K przetnie linię %D mamy do czynienia z sygnałem pewnym. [1] 13

14 Rysunek 7: Sygnały kupna i sprzedaŝy dla SO. Murphy John Analiza techniczna rynków finansowych WIG- Press Warszawa 1999 s.217 Jak obrazuje rysunek 7 przecięcie linii %D od dołu przez linię %K było sygnałem kupna. Sygnał sprzedaŝy został wygenerowany, gdy linia %K przecięła od góry linię %D. Kolejnym sposobem analizy wykresów cen są wykresy świecowe. Technika ta rozwijana przez japończyków od XVII stosowana początkowo była na rynku kontraktów terminowych. W drugiej połowie poprzedniego stulecia z powodzeniem została wprowadzona na inne rynki ze względu na swoja prostotę oraz skuteczność [4]. Przede wszystkim świece miały słuŝyć do prezentacji danych na wykresach, lecz w bardzo skuteczny sposób mogą takŝe słuŝyć przewidywaniu sytuacji granicznych, które mogą się pojawić na rynku [1]. Budowa wykresu świecowego jest bardzo prosta, wykres (świeca) dla danego dnia składa się z ceny maksymalnej, minimalnej, ceny otwarcia oraz ceny zamknięcia. Korpus świecy jest biały, gdy cena zamknięcia jest wyŝsza niŝ cena otwarcia, czarny, gdy jest na odwrót. Graniczne linie korpusu świecy to w przypadku świecy białej górna linia to zamknięcie a dolna to otwarcie, gdy świeca ma czarny korpus kolejno otwarcie i zamknięcie. Pionowe linię świecy, tzw. cienie, to cena maksymalna i minimalna, jakie były określone dla waloru w danym dniu[4]. 14

15 Rysunek 8: Budowa japońskiej świecy. Nison Steve Świece i inne japońskie techniki analizowania wykresów WIG-Press Warszawa 1996 s. 18 Analiza wykresów świecowych polega na rozpoznawaniu sekwencji świec i umiejętnym przyporządkowaniu ich do formacji sygnalizujących hossę lub bessę. Pojedynczą świeca takŝe obrazuje sytuację na rynku, lecz wydaje się to być niewystarczające dla podjęcia decyzji inwestycyjnej [1]. Istnieje bardzo duŝo formacji zapowiadających hossę lub bessę, przykładem takiej formacji moŝe być formacja młota hossa) lub spadającej gwiazdy (bessa). Charakteryzują się one bardzo długim cieniem oraz względnie małym korpusem. Rysunek 8: Formacja spadającej gwiazdy i formacja młota. Nison Steve Świece i inne japońskie techniki analizowania wykresów WIG-Press Warszawa 1996 s. 53 Są to oczywiście jedne z licznych formacji, które moŝna wykorzystać do analizy rynku. Pojedyncze świece są najczęściej uŝywane w celu potwierdzenia występującego trendu, formacje świecowe są w stanie pokazać, Ŝe trend będzie się zmieniał, co czyni z formacji świecowych jedno z najcenniejszych narzędzi w rękach inwestora. Dodatkowym atutem jest moŝliwość automatyzacji analizy formacji świecowych, co pozwala duŝą oszczędność czasu.[4] 15

16 Rysunek 9: Przykład formacji młota oraz formacji wisielca bez potwierdzenia na rynku niemieckich obligacji. Nison Steve Świece i inne japońskie techniki analizowania wykresów WIG-Press Warszawa 1996 s Analiza fundamentalna Analiza fundamentalna to taki sposób analizy, który przede wszystkim bierze pod uwagę szacunki oczekiwanej stopy zwrotu, jako punkt odniesienia. Szacowanie stopy zwrotu wiąŝe się przede wszystkim z analiza stanu gospodarki w tym poszczególnych branŝ z osobna oraz wartości wewnętrznej konkretnej spółki. Tak jak w przypadku róŝnego rodzaju analiz i tutaj głównym narzędziem jest analiza danych historycznych, która ma na celu ocenienie zaleŝności między konkretnymi zjawiskami zachodzącymi na rynku a kondycja finansową spółki. W przypadku analizy fundamentalnej mamy takŝe do czynienia z analizą trendu tak jak to było w przypadku analizy technicznej, lecz analiza fundamentalna nie obejmuje tylko analizy ceny, lecz przede wszystkim czynników, które składają się na cenę w danym momencie. Takie czynniki jak np. skład i płynność środków przedsiębiorstwa oraz pozycja w stosunku do konkurencji maja zgodnie z załoŝeniami analizy fundamentalnej dawać czytelne wskazówki na temat funkcjonowania spółki w przyszłości [5]. Głównym narzędziem tejŝe analizy jest wycena spółki. Analityk bierze pod uwagę dane historyczne takie jak wysokość wypłacanych dywidend, stabilność wpływów oraz wszelkie inne czynniki, które mogą zawaŝyć a obecnej i przyszłej sytuacji spółki na danym rynku. Brane są pod uwagę takŝe czynniki, które mogą negatywnie wpłynąć na cenę akcji danej spółki a nie występują zbyt często takie jak np. strajki w danym sektorze. Dokonanie wyceny jest wstępem do określenia strategii inwestycyjnej dla danej spółki. Spółka, której 16

17 wartość w przeliczeniu na jedna akcję jest większa niŝ obecna wartość akcji staje się automatycznie spółką, która jest godna uwagi dla potencjalnego inwestora. Jako, ze inwestorzy nie inwestują najczęściej tylko w jedna spółkę, lecz raczej rozkładają fundusze na róŝne papiery wartościowe by zmniejszyć ryzyko ewentualnej straty nie mamy do czynienia z sytuacja, gdy po wycenie przez kilku analityków spółka będąca niedoceniania przez inwestorów automatycznie tworzy popyt na swoje akcje. WiąŜe się to takŝe z tym, Ŝe analizy nie są przeprowadzane w tym samym czasie oraz z faktem, iŝ spółki zmieniają swoje strategie rynkowe, inwestują, przez co wpływa na ich wyniki finansowe, które dla róŝnych inwestorów mogą być zachęcające bądź nie. Jak widać sama wycena, choć jest waŝnym elementem, nie wystarcza, dlatego analiza fundamentalna korzysta z wielu innych instrumentów by ocenić atrakcyjność danej spółki w chwili obecnej. By wybrać spółki, które rokują zysk stosuje się tzw. postępowania kwalifikacyjne według róŝnych kryteriów. Maja one na celu wytypowanie spółek nie o najlepszej kondycji, lecz takich, które długofalowo mogą przynieść zysk. By wyselekcjonować takie spółki korzysta się z określonych kryteriów: Kryterium wzrostu określone względem zysku lub sprzedaŝy w danym okresie, odchylenia standardowego zysku lub sprzedaŝy, (gdy dla inwestora waŝniejszy jest stabilny wzrost) wzrostu dywidendy lub jej odchylenia standardowego. Kryterium zyskowności określa wielkość stopy zwrotu z aktywów spółki lub kapitału własnego. Kryterium dotyczące ceny rynkowej określana przy pomocy wskaźników cena rynkowa/wartość rynkowa spółki (P/BV) oraz np. cena/zysk (P/V) Kryteria dotyczące ryzyka definiowane między innymi przez wskaźniki płynności bieŝącej, wskaźnika rotacji aktywów takŝe wskaźnika zadłuŝenie/kapitał własny. Ze względu na róŝnice między spółkami wymagane jest stosowanie kilku wskaźników w postępowaniu kwalifikacyjnym. Kryterium płynności finansowej określane najczęściej przez minimalną wartość akcji dopuszczonych do obrotu giełdowego lub/i minimalna wartość tygodniowego wolumenu. WaŜnym jest to, iŝ postępowanie kwalifikacyjne nie kończy procesu oceny akcji i zalecane jest stosowanie innych charakterystyk akcji oraz ciągła ocena procedur kwalifikacyjnych. 17

18 WaŜnym jest takŝe ograniczone zaufanie do wyników sprawozdań publikowanych przez spółki i konfrontowanie ich z ogólnymi wskaźnikami dla całego sektora lub/i całej gospodarki. Ma to głównie na celu zwiększenie pewności podjętej decyzji i wyeliminowanie sytuacji, w której opieramy się tylko na danych, które nie muszą być rzetelne w 100 procentach. Analityk zajmujący się wyceną danego przedsiębiorstwa korzystając ze wskaźników wytypowanych przez siebie potrzebuje, co jest oczywiste, danych, na których owe wskaźniki opiera. Dane te dzielą się na kilka podstawowych zakresów: Dotyczące sprzedaŝy przede wszystkim wysokości przewidywanej zmiany wielkości sprzedaŝy (w ujęciu finansowym i detalicznym), wyjaśnienie powodów tych zmian, określenie podziały sprzedaŝy (filie, nowe i obecne rynki, według produktów), określenie zapasów spółki, określenie trendu całej branŝy oraz trendu rozwoju spółki, podział na sprzedaŝ na rynku krajowym i eksport. Dotyczące dystrybucji metody dystrybucji (bezpośrednia, hurtowa, inna), zasięg dystrybucji, palnowane zwiększenia bądź zmniejszenia dystrybucji, reklama, udział kosztów w przychodach. Dotyczące konkurencji ilość i rodzaj konkurentów, (pasywni, agresywni) obecna pozycja na rynku, kondycja finansowa konkurentów, przewaga bądź jej brak, jeśli chodzi o produkty danej spółki. Dotyczące patentów wpływ posiadanych patentów na sprzedaŝ, czas wygaśnięcia patentów, koszty związane z produkowaniem na licencji. Dotyczące produkcji stan wyposaŝenia, inwestycje, koszty produkcji, dynamika rozwoju produkcji. Dotyczące surowców źródła i liczność surowców oraz ich ceny, sposoby pozyskiwania. Dotyczące finansów źródła finansowania obecnych inwestycji, ewentualne terminy spłaty kredytów, plany dotyczące finansowania, wartość majątku firmy. Dotyczące dywidend sposoby wypłaty dywidend, plany zwiększenia bądź zmniejszenia dywidend. Dotyczące zysków zysk na akcje, wysokość kosztów do przychodów, moŝliwości przystosowania cen do wyŝszych kosztów, plany obniŝenia kosztów, trend zysków w porównaniu z rokiem poprzednim. 18

19 Badania nowe produkty i perspektywy, ilość pieniędzy wydanych na badania i liczba uzyskanych patentów. Zarządzanie i kadra wiek kadry zarządzającej, historia strajków, obecność lub brak związków zawodowych, rotacja w przedsiębiorstwie, jeśli chodzi o zatrudnienie. Inne- sprawy związane z pozwami sądowymi, planami ekspansji na inne rynki, planowanymi inwestycjami niezwiązanymi z działalnością operacyjną oraz ich koszty, wartości dotychczasowych inwestycji i ich stopa zwrotu w zysku. Podczas analizy fundamentalnej trzeba uwzględniać powyŝsze kryteria analizy przedsiębiorstwa, lecz nie znaczy, Ŝe są to wszystkie czynniki, które maja wpływ na kondycję firmy a co za tym idzie wartość jej akcji. Do bardzo waŝnych czynników naleŝą te, które nie są bezpośrednio związane ze spółka a jak pokazuje praktyka wpływają na jej kondycję a co za tym idzie na cenę akcji. Przykładem takiego czynnika jest inflacja. DuŜa liczba inwestorów wchodzi na rynek, gdy wskaźnik inflacji rośnie. Spowodowane jest to głównie tym, Ŝe spada wartość pieniądza i by utrzymać siłę nabywcza własnego kapitału trzeba szukać sposobów inwestowania, które pozwolą na zysk przewyŝszający osłabianie się siły nabywczej pieniądza. Stosunki cen walut takŝe mogą być waŝną wskazówką, Ŝe forma danej spółki będzie się polepszać bądź pogarszać, oczywiście przy odpowiednim procencie sprzedaŝy eksportowej. Ceny walut w krajach, gdzie firma ma swoje fabryki, gdzie kupuje surowce takŝe mają dość oczywisty wpływ na samą spółkę. Jeśli spółka produkuje a nie świadczy usługi trzeba wziąć pod uwagę ceny surowców oraz moŝliwości ich pozyskania (dostępność obecną i przewidywaną). Wskaźniki takie jak indeksy giełdowe liczone dla danego sektora, wskaźniki dynamiki rozwoju gospodarki czy wskaźniki rozwoju gospodarczego takŝe bez wątpienia niosą informacje, które są waŝne z punktu widzenia inwestora. W tej pracy przede wszystkim nacisk, jeśli chodzi o analizę fundamentalną został połoŝony na wybór czynników, które mogą wpłynąć na kondycję spółek, dla których budowany jest model neuronowy. Sama analiza spółek nie była przeprowadzana ze względu na trudności w dostępie do danych oraz ograniczenia czasowe. Nie znaczy to oczywiście, Ŝe ten rodzaj analizy został uznany, jako zbędny podczas doboru wejść podczas tworzenia modelu neuronowego. Analiza fundamentalna jest cennym narzędziem określającym powody drastycznych ruchów cen i trendów róŝnego rodzaju papierów wartościowych i w tym przypadku korzystanie z niej by określić dodatkowe sygnały wchodzące do modelu neuronowego wydaje się jak najbardziej zasadne. 19

20 2.3 Predykcja przy pomocy sieci neuronowych Głównym problemem przy formułowaniu strategii inwestycyjnych jest to, iŝ na cenę akcji wpływa bardzo duŝo czynników oraz przede wszystkim to, Ŝe oddziaływają one w tym samym czasie. Dodatkowo czynniki wpływające na cenę akcji są mniej lub bardziej powiązane między sobą, co w znacznym stopniu utrudnia identyfikacje najwaŝniejszych i ocenę ich przydatności podczas podejmowania decyzji. Mając nawet do czynienia z sytuacją, gdy czynniki te są w miarę pewny sposób określony musimy się takŝe liczyć z ich licznością, co automatycznie eliminuje moŝliwość korzystania z nich wszystkich na raz. Wychwycenie zaleŝności między powiedzmy 100 wskaźnikami jest dla człowieka niemoŝliwe biorąc pod uwagę złoŝoność procesu, jaką jest określenie trendu na rynkach finansowych. Rozwiązaniem mogą tu być proponowane sieci neuronowe, jako alternatywa dla człowieka ze względu na ich moŝliwości generalizacji i odkrywania zaleŝności rządzących danym procesem. Zastosowanie sieci neuronowych w analizach rynków finansowych jest wbrew przekonaniu w miarę powszechne a ich historia, jeśli chodzi o ta dziedzinę nie jest taka krótka jakby się mogło wydawać. Louis Mendelsohn prezes firmy Market Technologies Corporation jest uwaŝany za jednego z pierwszych twórców programów do analizy rynków finansowych (w tym przypadku walut, energii oraz stóp procentowych) [1]. Program, VantagePoint wprowadził on na rynek w 1991 roku. Firma, którą załoŝył działa do dnia dzisiejszego (2009) i ciągle oferuje narzędzia oparte na sieciach neuronowych, które wspomagają podejmowanie decyzji inwestycyjnych [6]. Innym przykładem firmy, która proponuje wykorzystywanie sieci neuronowych w przewidywaniu wartości akcji i podejmowaniu decyzji inwestycyjnych jest Tradecision. Firma ta wyprodukowała program, który nie tylko pozwala na predykcję przy pomocy sieci neuronowych, lecz takŝe wspieranie się analizą techniczną, teorią fal Eliota i wielu innymi metodami analizy giełdy [7]. Co jest oczywiste nie tyko firmy zagraniczne zajmują się tworzeniem modeli decyzyjnych w oparciu sieci neuronowych. W 2007 roku w Krakowie została opublikowana rozprawa doktorska pod tytułem Zastosowanie sieci neuronowych do generowania strategii decyzyjnych (inwestycyjnych) na przykładnie Giełdy Papierów Wartościowych. Autorem, której jest doktor Radomir Domaradzki a promotorem pracy Prof. Dr Hab. InŜ. Ryszard Tadeusiewicz. Pokazuje to, iŝ nie jest to temat, który odszedł w zapomnienie, lecz cały czas się rozwija. W pracy tej została podjęta próba przewidywania wartości indeksu GPW przy 20

21 wykorzystaniu sieci neuronowych oraz wskazania, w którym kierunku moŝna zmierzać chcąc zrealizować ten cel. Istnieje oczywiście duŝo publikacji na temat wykorzystania sieci neuronowych na giełdzie; wszystkie one pokazują, Ŝe warto zajmować się tematem gdyŝ wyniki tych prac są obiecujące. Z drugiej strony samo podejście do tematu jest w wielu przypadkach róŝne. MoŜemy się spotkać z przewidywaniem cen akcji na x dni do przodu, określaniem trendu akcji oraz wykrywaniem momentów granicznych (ostre spadki i wzrosty) oraz wiele innych metod, które mają na celu wspomoŝenie inwestora. Trzeba zaznaczyć, Ŝe są to rozwiązania unikalne i niejednokrotnie budowane przez wiele lat, przez co moŝna stwierdzić wyŝszość jednych nad drugimi, która nie koniecznie musi wynikać z błędu metody, lecz takŝe z dostępności danych, które włączamy do modelu. Niniejsza praca, co jest oczywiste, bazuje na dotychczasowych publikacjach dotyczących wykorzystania sieci neuronowych na rynkach finansowych w miarę moŝliwości (trzeba uwzględnić tajność produktów komercyjnych), lecz proponuje inne podejście niŝ przytoczone w tym podrozdziale przykłady, co zostanie szczegółowo opisane w podrozdziale Idea systemu. 21

22 3. Sieci neuronowe 3.1 Sieci neuronowe Rozwój sztucznych sieci neuronowych był spowodowany fascynacją budową ludzkiego mózgu. W latach 40 poprzedniego stulecia pojawiły się pierwsze próby opisu funkcjonowania zjawisk zachodzących w komórkach mózgowych. Mimo przyhamowania blisko na 15 lat badań dotyczących sieci neuronowych na początku lat 70 rozwój badań na temat sieci neuronowych jednak dalej trwał. W obecnych czasach mając do dyspozycji komputery, których szybkość z roku na rok coraz bardziej rośnie mamy o wiele większe moŝliwości wykorzystania sieci neuronowych i korzystamy z tego stosując je z powodzeniem w modelowaniu procesów produkcyjnych i ich zarządzaniu czy szeroko pojętej medycynie [8]. By zrozumieć działanie sieci neuronowej, najpierw trzeba rozumieć, w jaki sposób zostało odwzorowane działanie komórki nerwowej w sieciach neuronowych. Rysunek 9: Uproszczony schemat neuronu i jego połączenia z sąsiednim neuronem. 1-ciało komórki, 2-akson, 3- dendryty, 4-synapsy Rutkowski Leszek Metody I techniki sztucznej inteligencji PWN Jak moŝemy zauwaŝyć na rys. 9 kaŝdy neuron ma dokładnie jedno połączenie (akson), którym łączy się z innymi neuronami przekazując im sygnały dzięki synapsom. W ludzkim mózgu komórki nerwowe połączone są z bardzo duŝa ilością innych komórek a sygnały przekazywane są dzięki procesom elektryczno chemicznym. Synapsy pełnią rolę przekaźników a sygnały doń dochodzące mogą mieć charakter pobudzający bądź hamujący. Jeśli wartość zsumowanych sygnałów przekracza określoną wartość sygnał jest przesyłany poprzez akson[11]. 22

23 Rysunek 10: Model neuronu. Kordos Mirosław - Search-based Algorithms for Multilayer Perceptrons Gliwice 2005 s.8 Rysunek 10 przedstawia odwzorowanie biologicznego neuronu na jego cybernetyczną postać. Tak skonstruowany neuron ma dwie charakterystyczne cechy sumator i funkcję przejścia. Sumator odpowiada za odpowiednie doprowadzenie sygnałów do neuronu. Realizowane jest to w najprostszym przypadku poprzez mnoŝenie wartości wejścia x razy wartość wagi odpowiadającej danemu wejściu w a następnie zsumowanie otrzymanych wartości [10]. u x w (6) Neuron posiada takŝe wagę, która nosi nazwę biasu. Jej Charakterystyczną cechą jest to, iŝ wartość sygnału, przez którą mnoŝona jest wartość wagi wynosi 1 [10]. Funkcja przejścia jest to funkcja przy pomocy, której obliczana jest wartość wyjścia danego neurony na podstawie sumy iloczynów wejść i wag [8]. Funkcją przejścia, jaka została wybrana dla modelu neuronowego w tej pracy jest sigmoida, dla której wzór ma następującą postać: f x tanh βx funkcja bipolarna (7) funkcja unipolarna (8) Pochodne funkcji mają następujące postacie: 1 dla funkcji bipolanej (9) 1 dla funkcji unipolarnej (10) 23

24 Rysunek 11: Wykres funkcji aktywacji dla róŝnych wartości parametru beta. Rutkowski Leszek Metody I techniki sztucznej inteligencji PWN Rysunek 11 obrazuje jak przebiega wykres funkcji w uzaleŝnieniu od parametru beta. Dla niskich wartości parametru przebieg funkcji ma charakter łagodny a im bardziej zwiększamy wartość parametru tym bardziej zyskuje ona charakter progowy. Ma to istotne przełoŝenie na działanie neuronu. Określa czy nasz neuron będzie łagodnie reagował na sygnały doprowadzane z sumatora czy raczej jego reakcja będzie gwałtowna [11].WaŜną sprawą dotyczącą oczywiście nie tylko funkcji sigmoidalnej jest to, Ŝe jest ona róŝniczkowalna oraz to, Ŝe pochodne tej funkcji moŝna w bardzo łatwy sposób policzyć. Ma to istotne znaczenie podczas uczenia neuronu i zostanie opisane w podrozdziale dotyczącym algorytmu uczenia.[8] Oczywistym jest, Ŝe zastosowanie pojedynczego neuronu jest raczej nieprzydatne w bardziej skomplikowanych procesach, które sieć neuronowa powinna zrozumieć. Połączenie neuronów w sieć neuronową, tak jak to ma miejsce w ludzkim mózgu, i poddanie jej procesom uczenia sprawiło, Ŝe sieci neuronowe zaczęły nadawać się do szerszego zastosowania.[8] Jako, Ŝe jednowarstwowa sieć była w stanie klasyfikować tylko liniowo separowane dane zasadnym stało się poszukiwanie rozwiązania pozwalającego na wykorzystanie sieci neuronowych dla problemów nieliniowych. Wierzono, jak się okazało słusznie, Ŝe zastosowanie MLP (Multi Layer Perceptron) pozwoli wyeliminować ten problem. MLP, czyli sieć wielowarstwowa składa się najczęściej z dwu lub trzech warstw, w której skład wchodzą pojedyncze neurony. [10] 24

25 Rysunek 11: Sieć wielowarstwowa (MLP). Kordos Mirosław - Search-based Algorithms for Multilayer Perceptrons Gliwice 2005 s.10 Jak przedstawiono na rysunku 11, w tym typie sieci neuron warstwy niŝszej połączony jest z kaŝdym neuronem warstwy wyŝszej a sygnałem wejściowym warstwy wyŝszej jest suma sygnałów wyjściowych wszystkich neuronów warstwy niŝszej pomnoŝona przez wagę połączenia, do której następnie dodajemy wagę biasu pomnoŝoną przez jego sygnał wejściowy. Oczywiście moŝliwe jest stworzenie sieci o innym typie połączeń i w niektórych przypadkach zasadne, przykładem takiej sieci moŝe być sieć, w której niektóre neurony warstwy wejściowej są połączone bezpośrednio z neuronami warstwy wyjściowej z pominięciem neuronów warstwy ukrytej. 3.2 Algorytm uczenia Algorytmem, który został wybrany by uczyć sieć dla problemu przedstawionego w tej pracy jest algorytm wstecznej propagacji błędu (BP ang. Backpropagation). Jest to pierwszy algorytm, który z powodzeniem został zastosowany do uczenia wielowarstwowych sieci neuronowych. Inne metody gradientowe korzystają z mechanizmu wstecznej propagacji a róŝnią się metodami aktualizacji wag neuronów siec[10].zostało udowodnione, Ŝe algorytm wstecznej propagacji błędu moŝna stosować dla sieci o róŝnych ilościach warstw ukrytych oraz to, iŝ jedna warstwa ukryta potrafi poradzić sobie z większością problemów[12]. Kluczowym aspektem w uczeniu sieci neuronowych jest określenie wartości błędu dla poszczególnych neuronów a co za tym idzie wag. Określenie wartości błędu dla warstwy wyjściowej jest stosunkowo proste i by tego dokonać potrzebujemy tylko dwu wartości: wartości otrzymanej i wartości oczekiwanej. (11) 25

26 Wartość błędu jest równa róŝnicy między wartością oczekiwana a otrzymana, która następnie zostaje podniesiona do kwadratu. Błąd ten nosi nazwę błędu średniokwadratowego i słuŝy do poprawiania odpowiedzi sieci. Istota algorytmu wstecznej propagacji jest ściśle związania z minimalizacją wartości błędu, czyli funkcji określonej na zmiennych, którymi są wagi. Znalezienie minimum tej funkcji jest równowaŝne ze znalezieniem przez nas optymalnego rozwiązania dla danego wektora danych wejściowych. Rysunek 12 : Przykładowy wykres funkcji celu sieci neuronowej: a) wykres trójwymiarowy funkcji; b) przebieg linii ekwipotencjalnych i procesu uczenia ( + -punkt startowy, x -stan końcowy) Ossowski Stanisław Sieci neuronowe w ujęciu algorytmicznym Wydawnictwo Naukowo Techniczne Warszawa 1996 s. 20 Z załoŝenia znalezienie odpowiedniej wartości wag wejściowych pozwalające na otrzymanie odpowiedzi sieci zbliŝonych do wartości zadanych w procesie uczenia powinno gwarantować rozwiązanie problemu. By minimalizować funkcję błędu a co za tym idzie zwiększać poprawność odpowiedzi sieci naleŝy zastosować metodę, która pozwoli na dopasowywanie wartości wag sieci neuronowej. Przy załoŝeniu ciągłości funkcji celu jednymi z najskuteczniejszych metod, które pozwalają nam uczyć sieć są metody gradientowe. Proces uczenia następuje poprzez uaktualnianie wag według wzoru: W ( k+ 1 ) = W( k) + W (12) gdzie: W = ηp ( W) η jest współczynnikiem uczenia, a p(w) - kierunkiem w przestrzeni wielowymiarowej[9]. 26

27 Nazwa metody, jaką jest wsteczna propagacja błędu wzięła się z kolejności obliczania błędu. W tej metodzie błędy dla kaŝdego neuronu obliczane są w przeciwnym kierunku niŝ następuje przepływ sygnałów w sieci, czyli od wyjścia do wejścia sieci. Algorytm wstecznej propagacji błędu moŝna podzielić na kilka podstawowych etapów. 1. Wybranie współczynnika uczenia. 2. Ustawianie wartości wag w sposób losowy 3. Zerowanie błędów dla kaŝdego z neuronów 4. Podanie wektorów uczących na wejście sieci 5. Obliczenie błędu na wyjściu sieci 6. Rzutowanie błędu wstecz do kolejnych warstw 7. Poprawienie wag 8. Jeśli wyniki są zadowalające kończymy uczenie w przeciwnym wypadku wracamy do punktu 3[13]. Etap następujący po obliczeniu błędu na wyjściu sieci, jakim jest rzutowanie błędu wstecz realizowany jest w bardzo prosty sposób. Wartość błędu, która została obliczona dla wyjścia mnoŝona jest razy wartość wagi łączącej neuron, dla którego został obliczony błąd i neuron z warstwy niŝszej. Krok ten wykonywany jest dla kaŝdego neuronu warstwy wyŝszej a suma iloczynów błędu i wag jest sumowana dla kaŝdego z neuronów warstwy niŝszej, co nam daje błąd dla danego neuronu. Proces rzutowania przebiega aŝ do warstwy wejściowej-1 by błędy zostały obliczone dla kaŝdego z neuronów[8]. Rysunek 13: Schemat postępowania podczas rzutowania błędu wstecz w algorytmie BP. 27

28 Rysunek 13 pokazuje ideę sumowania sygnałów potrzebnych do obliczenia błędu na danym neuronie. By obliczyć całkowity błąd dla neuronu musimy przeprowadzić jeszcze dodatkowe operacje. Dla sigmoidy bipolarnej (tangensa hiperbolicznego) 1 (13) 1 (14) Dla sigmoidy unipolarnej (logistycznej) 1 (15) 1 (16) Ze wzorów wynika, Ŝe aby policzyć całkowity błąd dla neuronu musimy sumę iloczynów błędów i wag warstwy wyŝszej pomnoŝyć razy pochodną funkcji przejścia neuronu, dla którego liczymy błąd. Następnym krokiem jest wspomniane wcześniej poprawianie wag. (17) gdzie: w kj wartość obecna wagi η- współczynnik uczenia sieci δ- błąd neuronu, do którego prowadzi połączenie, w którym znajduje się waga yj- wyjście neuronu z warstwy niŝszej wchodzącego w skład połączenia By poprawić wyniki oraz przede wszystkim zwiększyć szybkość uczenia sieci neuronowej została wprowadzona modyfikacja aktualizacji wag zwana metodą momentum. Δ (18) W praktyce zastosowanie tej metody sprowadza się (jak pokazuje 2 część powyŝszego wzoru) do powiększania zmiany wartości wag w danym kroku o wartość zmiany w poprzednim kroku pomnoŝoną przez wcześniej dobrany współczynnik[19]. 28

29 3.3 Selekcja cech Biorąc pod uwagę ilość potencjalnych cech wchodzących na wejście sieci neuronowej zastosowany został algorytm selekcji cech przy uŝyciu programu infosel++ autorstwa dr Adama Kachla oraz dr Jacka Biesiady. Algorytmy, które zostały wypróbowane to MI, Batiti, Kołmogorow- Smirnow w wersji 0 i 1. Ostatecznie, jako algorytmem, który posłuŝy do selekcji cech w budowie modelu neuronowego został wybrany algorytm Kołmogorow - Smirnow w wersji 1 ze względu na jego najwyŝsza przydatność określoną na podstawie badań. Podstawą algorytmu jest test Kołmogorowa Smirnowa dla dwu populacji. Obiektem porównania są dwie populacje z ciągłymi dystrybuantami F1(x) i F2(x). Kolejnym krokiem jest wybranie próby w sposób losowy o liczności n 1 i n 2. Następnie zostaje obliczona statystyka λ testu Kołmogorowa Snirnowa[21] ,2 (19) Gdy λ < λ α wtedy dwie dystrybuanty są sobie równe; w zaleŝności tej α to poziom istotności λ α to wartość krytyczna odczytana dla α. Wystąpienie takiego przypadku wskazuje na nadmiarowość jednej z cech. Pierwszym krokiem w algorytmie ks1 jest zbudowanie rankingu. SłuŜy do tego indeksator F-score [20]., (20) gdzie: n k to liczba elementów w klasie k f ik to średnia σ 2 ki wariancja cechy fi w klasie Zbiorcza wariancja dla cechy fi jest obliczana w następujący sposób: gdzie: n = Σ k n k and K to liczba klas. 1 (21) Algorytm K-S CBF [22] (Kolmogorov-Smirnov Correlation-Based Filter) ma następującą postać: 29

30 1.Na podstawie rankingu powstaje lista (S) cech uporządkowana według kryterium zgodności. 2.Wybieramy pierwszą cechę (F i ) z listy S i na podstawie testu Kołmogorowa Smirnowa znajdujemy i odrzucamy cechy, które są w przybliŝeniu równowaŝne. 3.Wybrana cecha (F i ) zostaje przeniesiona do zbioru cech wybranych oraz następna cecha z pozostałych zostaje ustawiona, jako cecha sprawdzana. 4. Powtarzamy krok 3 i 4 do końca listy S. Wyniki uzyskane przy pomocy powyŝszego algorytmu zostały przedstawione w rozdziale

31 4.Opis systemu Budowa systemu, który wykorzystuje sieci neuronowe w celu generowania sygnałów kupna i sprzedaŝy ma na celu przede wszystkim wyeliminowanie emocji, które wpływają na decyzje inwestycyjne części graczy giełdowych. UŜytkownik systemu ma do dyspozycji narzędzie, dzięki któremu moŝe nie tylko korzystać z analizy technicznej, oczywiście w ograniczonym stopniu gdyŝ nie to było głównym celem podczas budowy programu, lecz przede wszystkim powierzyć generowanie strategii inwestycyjnej maklerowi w formie sieci neuronowej. Podczas uŝytkowania programu od potencjalnego inwestora wymagane jest określenie sygnałów kupna i sprzedaŝy, które posłuŝą do uczenia sieci neuronowej. Na tym etapie uŝytkownik moŝe określić czy interesują go długofalowe inwestycje czy raczej chciałby by sieć uczyła się na podstawie sygnałów charakterystycznych dla krótkoterminowych strategii inwestycyjnych. Oczywiście moŝe się to okazać kluczowe dla wyników osiąganych w przyszłości, lecz automatyczne generowanie sygnałów kupna i sprzedaŝy dla zbioru uczącego nie wydaje się rozwiązaniem dobrym gdyŝ kaŝdy inwestor inaczej widzi rynek i moŝliwości, jakie on stwarza. Niemniej jednak moŝliwość automatycznego generowania sygnałów uczących została takŝe zaimplementowana przy uwzględnieniu reguły, która określa, Ŝe sygnał kupna to taki, po którym wartość akcji rosła przez 5 dni a sprzedaŝy, po którym spadała przez ten sam okres. MoŜliwymi sygnałami wejściowymi są wskaźniki analizy technicznej oraz inne sygnały, które według analizy fundamentalnej mogą wpływać na wyniki spółki. System pozwala na samodzielny dobór sygnałów wejściowych dla sieci neuronowej. Głównym powodem jest moŝliwość określania osobnych profilów wejść dla tej samej spółki giełdowej przy zachowaniu tego samego lub kilku róŝnych modeli sygnałów uczących (wyjściowych). Program umoŝliwia takŝe dodanie dodatkowych sygnałów uczących oczywiście w odpowiednim formacie. 4.1 Idea systemu U podstaw niniejszej pracy leŝy załoŝenie, Ŝe sama predykcja cen nie jest najwygodniejszym sposobem wspomagania decyzji inwestycyjnych. Programy słuŝące do technicznej analizy rynku, co prawda pomagają uŝytkownikowi w jakimś stopniu zrozumieć, co się dzieje na rynku, lecz podjęcie decyzji na podstawie danych pozostawiają człowiekowi. W dzisiejszych czasach dysponujemy juŝ taka ilością wskaźników analizy technicznej oraz innych analiz słuŝących wspomaganiu podejmowania decyzji, Ŝe moŝemy z cała śmiałością 31

32 stwierdzić, iŝ człowiek nie jest w stanie poradzić sobie chociaŝby wyborem analizy czy tez wskaźnika, według którego będzie podejmował decyzje. ZałóŜmy sytuację ze dysydent wybiera analizę techniczna oraz kilka wskaźników, które posłuŝą mu do zawierania transakcji na rynku. Pierwszym problemem jest to, iŝ wybór wskaźników nie jest oczywisty, drugim, Ŝe moŝe być błędny. Wybierając tylko kilka wskaźników ograniczamy informację, która moŝe nam pomóc w podjęciu decyzji, wybierając ich zbyt wiele naraŝamy się na moŝliwość zawierania błędnych transakcji lub zaniechania wyboru ze względu na moŝliwość popełnienia błędu. Zdrowy rozsądek nakazuje korzystać z jak największej liczby informacji podczas podejmowania decyzji, lecz jak widać mogą się pojawić problemy z jej przetwarzaniem przez ludzi. Sieci neuronowe ze względu na swoje właściwości mogą być rozwiązaniem, które w znacznym stopniu ułatwią proces podejmowania decyzji. MoŜliwość otrzymywania gotowej odpowiedzi w formie rady inwestycyjnej nie jest tylko wygodna, lecz przy dobrym opracowaniu modelu nauczeniu sieci neuronowej moŝe okazać się bardziej bezpieczna niŝ klasyczna analiza giełdowa. System, który powstał w ramach pracy dyplomowej pozwoli ocenić słuszność powyŝszych załoŝeń oraz efektywność proponowanego rozwiązania w porównaniu do klasycznej analizy giełdy. 4.2 Implementacja systemu System został stworzony przy wykorzystaniu oprogramowania Microsoft Visual Studio Jest to zintegrowane środowisko programistyczne zapewniające wsparcie dla tworzenia zarówno aplikacji konsolowych, jaki i z graficznym środowiskiem. UmoŜliwia tworzenie aplikacji sieciowych oraz tzw. dynamicznych aplikacji internetowych. Dzięki temu środowisku moŝliwe jest tworzenie aplikacji dla wszystkich systemów obsługujących następujące platformy: Microsoft Windows, Windows Mobile, Windows CE,.NET Framework,.NET Compact Framework and Microsoft Silverlight. Języki obsługiwane przez Visual Studio to C/C++, VB.NET oraz C#. Obsługa dodatkowych języków takich jak Chrome, F#, Python, i Ruby jest moŝliwa poprzez dodanie ich do podstawowej instalacji Visual Studio. Visual studio zapewnia takŝe wsparcie dla takich technologii jak XML/XSLT, HTML/XHTML, JavaScript and CSS. Inne najwaŝniejsze cechy pakietu Microsoft Visual Studio to przede wszystkim: Tworzenie aplikacji opartych na.net Framework pozwalające na skrócenie czasu opracowania aplikacji 32

33 Obsługa Ajax oraz kontrolek internetowych Tworzenie róŝnych wersji kodu dla kilku wersji.net Korzystanie z danych pochodzących z róŝnych źródeł z wykorzystaniem LINQ Zaawansowane funkcje edytora oraz Microsoft IntelliSense WdraŜanie aplikacji z wykorzystaniem ClickOnce MoŜliwość wykorzystania projektantów graficznych dla Windows Communications Foundation i Windows Workflow Foundation Master Pages dla ASP.NET Tworzenie aplikacji przy pomocy kreatorów obsługujących przeciągnij i upuść[15]. Platforma.Net to platforma umoŝliwiająca łączenie systemów oraz urządzeń. Zawiera rozwiązania programistyczne, które pozwalają uniknąć częstych problemów programistycznych oraz maszynę wirtualną, która zarządza wykonywaniem aplikacji dla platformy. Platforma ta umoŝliwia integrację oprogramowania, głównie dzięki wprowadzeniu usług Web Services. Głównym załoŝeniem.net jest przenośność miedzy platformami, które wspierają tą technologię[16]. Rysunek 14: Podstawowe elementy.net Zapewnienie prostoty w uŝyciu, moŝliwości rozszerzania istniejących klas, zgodności ze standardami oraz zapewnienie takiej samej funkcjonalności niezaleŝnie od języka 33

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

ROC Rate of Charge. gdzie ROC wskaźnik szybkości zmiany w okresie n, x n - cena akcji na n-tej sesji,

ROC Rate of Charge. gdzie ROC wskaźnik szybkości zmiany w okresie n, x n - cena akcji na n-tej sesji, ROC Rate of Charge Analityk techniczny, który w swej analizie opierałby się wyłącznie na wykresach uzyskiwałby obraz możliwości inwestycyjnych obarczony sporym ryzykiem. Wnioskowanie z wykresów bazuje

Bardziej szczegółowo

Studenckie Koło Naukowe Rynków Kapitałowych Zbieżność i rozbieżność średnich kroczących - MACD (Moving Average Convergence Divergence).

Studenckie Koło Naukowe Rynków Kapitałowych Zbieżność i rozbieżność średnich kroczących - MACD (Moving Average Convergence Divergence). Zbieżność i rozbieżność średnich kroczących - MACD (Moving Average Convergence Divergence). MACD (zbieżność i rozbieżność średnich kroczących) - jest jednym z najczęściej używanych wskaźników. Jego popularność

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

Sztuczna Inteligencja Tematy projektów Sieci Neuronowe

Sztuczna Inteligencja Tematy projektów Sieci Neuronowe PB, 2009 2010 Sztuczna Inteligencja Tematy projektów Sieci Neuronowe Projekt 1 Stwórz projekt implementujący jednokierunkową sztuczną neuronową złożoną z neuronów typu sigmoidalnego z algorytmem uczenia

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

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

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

Kontrakty terminowe. This presentation or any of its parts cannot be used without prior written permission of Dom Inwestycyjny BRE Banku S..A.

Kontrakty terminowe. This presentation or any of its parts cannot be used without prior written permission of Dom Inwestycyjny BRE Banku S..A. Kontrakty terminowe Slide 1 Podstawowe zagadnienia podstawowe informacje o kontraktach zasady notowania, depozyty zabezpieczające, przykłady wykorzystania kontraktów, ryzyko związane z inwestycjami w kontrakty,

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

MACD wskaźnik trendu

MACD wskaźnik trendu MACD wskaźnik trendu Opracowany przez Geralda Appela oscylator MACD (Moving Average Convergence/Divergence) to jeden z najpopularniejszych wskaźników analizy technicznej. Jest on połączeniem funkcji oscylatora

Bardziej szczegółowo

Co oznaczają te poszczególne elementy świecy?

Co oznaczają te poszczególne elementy świecy? Budowa świec Wielu inwestorów od razu porzuca analizę wykresów świecowych, ponieważ na pierwszy rzut oka są one zbyt skomplikowane. Na szczęście tylko na pierwszy rzut oka. Jeśli lepiej im się przyjrzeć

Bardziej szczegółowo

IMPLEMENTACJA SIECI NEURONOWYCH MLP Z WALIDACJĄ KRZYŻOWĄ

IMPLEMENTACJA SIECI NEURONOWYCH MLP Z WALIDACJĄ KRZYŻOWĄ IMPLEMENTACJA SIECI NEURONOWYCH MLP Z WALIDACJĄ KRZYŻOWĄ Celem ćwiczenia jest zapoznanie się ze sposobem działania sieci neuronowych typu MLP (multi-layer perceptron) uczonych nadzorowaną (z nauczycielem,

Bardziej szczegółowo

ANALIZA TECHNICZNA WARSZTATY INWESTYCYJNE TMS BROKERS

ANALIZA TECHNICZNA WARSZTATY INWESTYCYJNE TMS BROKERS ANALIZA TECHNICZNA WARSZTATY INWESTYCYJNE TMS BROKERS Agenda 1. Wykres od tego trzeba zacząć. 2. Jak rozpoznać trend ujarzmić byka, oswoić niedźwiedzia. 3. Poziomy wsparć i oporów jak jedno bywa drugim

Bardziej szczegółowo

Struktura rynku finansowego

Struktura rynku finansowego Akademia Młodego Ekonomisty Strategie inwestycyjne na rynku kapitałowym Grzegorz Kowerda Uniwersytet w Białymstoku 21 listopada 2013 r. Struktura rynku finansowego rynek walutowy rynek pieniężny rynek

Bardziej szczegółowo

Trend - róŝne sposoby określania kierunku ruchu ceny Investors Level

Trend - róŝne sposoby określania kierunku ruchu ceny Investors Level Trend - róŝne sposoby określania kierunku ruchu ceny Investors Level Paweł Śliwa stowarzyszenie@satrf.org trend Jest to tendencja, moda czy teŝ kierunek w którym podąŝa cena przez dominującą część czasu.

Bardziej szczegółowo

1. Historia 2. Podstawy neurobiologii 3. Definicje i inne kłamstwa 4. Sztuczny neuron i zasady działania SSN. Agenda

1. Historia 2. Podstawy neurobiologii 3. Definicje i inne kłamstwa 4. Sztuczny neuron i zasady działania SSN. Agenda Sieci neuropodobne 1. Historia 2. Podstawy neurobiologii 3. Definicje i inne kłamstwa 4. Sztuczny neuron i zasady działania SSN Agenda Trochę neurobiologii System nerwowy w organizmach żywych tworzą trzy

Bardziej szczegółowo

Temat: Sieci neuronowe oraz technologia CUDA

Temat: Sieci neuronowe oraz technologia CUDA Elbląg, 27.03.2010 Temat: Sieci neuronowe oraz technologia CUDA Przygotował: Mateusz Górny VIII semestr ASiSK Wstęp Sieci neuronowe są to specyficzne struktury danych odzwierciedlające sieć neuronów w

Bardziej szczegółowo

Rodzaje wykresów i zasady ich budowy

Rodzaje wykresów i zasady ich budowy Rodzaje wykresów i zasady ich budowy Poznanie rodzajów wykresów oraz zasad ich budowy powinno stanowić pierwszy krok do zgłębiania tajników analizy technicznej. Wykresy przedstawiają przede wszystkim ceny

Bardziej szczegółowo

8. Neuron z ciągłą funkcją aktywacji.

8. Neuron z ciągłą funkcją aktywacji. 8. Neuron z ciągłą funkcją aktywacji. W tym ćwiczeniu zapoznamy się z modelem sztucznego neuronu oraz przykładem jego wykorzystania do rozwiązywanie prostego zadania klasyfikacji. Neuron biologiczny i

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

Inwestor musi wybrać następujące parametry: instrument bazowy, rodzaj opcji (kupna lub sprzedaży, kurs wykonania i termin wygaśnięcia.

Inwestor musi wybrać następujące parametry: instrument bazowy, rodzaj opcji (kupna lub sprzedaży, kurs wykonania i termin wygaśnięcia. Opcje na GPW (II) Wbrew ogólnej opinii, inwestowanie w opcje nie musi być trudne. Na rynku tym można tworzyć strategie dla doświadczonych inwestorów, ale również dla początkujących. Najprostszym sposobem

Bardziej szczegółowo

Uczenie sieci typu MLP

Uczenie sieci typu MLP Uczenie sieci typu MLP Przypomnienie budowa sieci typu MLP Przypomnienie budowy neuronu Neuron ze skokową funkcją aktywacji jest zły!!! Powszechnie stosuje -> modele z sigmoidalną funkcją aktywacji - współczynnik

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

Zmienność. Co z niej wynika?

Zmienność. Co z niej wynika? Zmienność. Co z niej wynika? Dla inwestora bardzo ważnym aspektem systemu inwestycyjnego jest moment wejścia na rynek (moment dokonania transakcji) oraz moment wyjścia z rynku (moment zamknięcia pozycji).

Bardziej szczegółowo

Giełda. Podstawy inwestowania SPIS TREŚCI

Giełda. Podstawy inwestowania SPIS TREŚCI Giełda. Podstawy inwestowania SPIS TREŚCI Zaremba Adam Wprowadzenie Część I. Zanim zaczniesz inwestować Rozdział 1. Jak wybrać dom maklerski? Na co zwracać uwagę? Opłaty i prowizje Oferta kredytowa Oferta

Bardziej szczegółowo

Zastosowania sieci neuronowych

Zastosowania sieci neuronowych Zastosowania sieci neuronowych aproksymacja LABORKA Piotr Ciskowski zadanie 1. aproksymacja funkcji odległość punktów źródło: Żurada i in. Sztuczne sieci neuronowe, przykład 4.4, str. 137 Naucz sieć taką

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

Spekulacja na rynkach finansowych. znajomość narzędzi czy siebie? Grzegorz Zalewski DM BOŚ S.A.

Spekulacja na rynkach finansowych. znajomość narzędzi czy siebie? Grzegorz Zalewski DM BOŚ S.A. Spekulacja na rynkach finansowych znajomość narzędzi czy siebie? Grzegorz Zalewski DM BOŚ S.A. Narzędzia 2 Analiza techniczna Analiza fundamentalna Narzędzia (2) 3 AT astrologia rynków finansowych AF alchemia

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

Ekonomiczny Uniwersytet Dziecięcy. Czarodziejski młynek do pomnażania pieniędzy

Ekonomiczny Uniwersytet Dziecięcy. Czarodziejski młynek do pomnażania pieniędzy Ekonomiczny Uniwersytet Dziecięcy Czarodziejski młynek do pomnażania pieniędzy dr inż. Krzysztof Świetlik Politechnika Gdańska 7 marca 2019 r. Czym jest akcja? Mianem tym określa się papier wartościowy

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

STANDARD DLA WYMAGAJĄCYCH

STANDARD DLA WYMAGAJĄCYCH STANDARD DLA WYMAGAJĄCYCH Świece japońskie Plan szkolenia Krótka historia, Kształty świec i formacje świecowe Zastosowanie z innymi metodami AT Podsumowanie. Spojrzenie wstecz XVII w. powstał w Japonii

Bardziej szczegółowo

TRANSAKCJE ARBITRAŻOWE PODSTAWY TEORETYCZNE cz. 1

TRANSAKCJE ARBITRAŻOWE PODSTAWY TEORETYCZNE cz. 1 TRANSAKCJE ARBITRAŻOWE PODSTAWY TEORETYCZNE cz. 1 Podstawowym pojęciem dotyczącym transakcji arbitrażowych jest wartość teoretyczna kontraktu FV. Na powyższym diagramie przedstawiono wykres oraz wzór,

Bardziej szczegółowo

Giełda : podstawy inwestowania / Adam Zaremba. wyd. 3. Gliwice, cop Spis treści

Giełda : podstawy inwestowania / Adam Zaremba. wyd. 3. Gliwice, cop Spis treści Giełda : podstawy inwestowania / Adam Zaremba. wyd. 3. Gliwice, cop. 2014 Spis treści Wprowadzenie 9 Część I. Zanim zaczniesz inwestować... Rozdział 1. Jak wybrać dom maklerski? 13 Na co zwracać uwagę?

Bardziej szczegółowo

Analiza zależności liniowych

Analiza zależności liniowych Narzędzie do ustalenia, które zmienne są ważne dla Inwestora Analiza zależności liniowych Identyfikuje siłę i kierunek powiązania pomiędzy zmiennymi Umożliwia wybór zmiennych wpływających na giełdę Ustala

Bardziej szczegółowo

Ekonomiczny Uniwersytet Dziecięcy

Ekonomiczny Uniwersytet Dziecięcy Ekonomiczny Uniwersytet Dziecięcy Młody inwestor na Giełdzie dr Witold Gradoń Akademia Ekonomiczna w Katowicach 19 Kwietnia 2010 r. EKONOMICZNY UNIWERSYTET DZIECIĘCY WWW.UNIWERSYTET-DZIECIECY.PL Plan wykładu

Bardziej szczegółowo

WSKAŹNIK RUCHU KIERUNKOWEGO (DMI) ŚREDNI INDEKS RUCHU KIERUNKOWEGO (ADX)

WSKAŹNIK RUCHU KIERUNKOWEGO (DMI) ŚREDNI INDEKS RUCHU KIERUNKOWEGO (ADX) WSKAŹNIK RUCHU KIERUNKOWEGO (DMI) ŚREDNI INDEKS RUCHU KIERUNKOWEGO (ADX) Wszelkie wskaźniki i oscylatory zostały stworzone z myślą pomocy w identyfikowaniu pewnych stanów rynku i w ten sposób generowaniu

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

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 FUNDAMENTALNA ORAZ TECHNICZNA NA RYNKU KAPITAŁOWYM. Zakres materiału na egzamin

ANALIZA FUNDAMENTALNA ORAZ TECHNICZNA NA RYNKU KAPITAŁOWYM. Zakres materiału na egzamin ANALIZA FUNDAMENTALNA ORAZ TECHNICZNA NA RYNKU KAPITAŁOWYM Zakres materiału na egzamin Podstawowe pojęcia - terminy - analiza fundamentalna i techniczna (podstawy, różnice), - trader, makler (cechy, różnice),

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

Ekonomiczny Uniwersytet Dziecięcy. Młody inwestor na giełdzie Strategie inwestycyjne dr Witold Gradoń. Plan wykładu

Ekonomiczny Uniwersytet Dziecięcy. Młody inwestor na giełdzie Strategie inwestycyjne dr Witold Gradoń. Plan wykładu Ekonomiczny Uniwersytet Dziecięcy Młody inwestor na giełdzie Strategie inwestycyjne dr Witold Gradoń Uniwersytet Ekonomiczny w Katowicach 5 maja 2014 r. Historia giełdy, Plan wykładu Pojęcie i rodzaje

Bardziej szczegółowo

Ekonomiczny Uniwersytet Dziecięcy

Ekonomiczny Uniwersytet Dziecięcy Ekonomiczny Uniwersytet Dziecięcy Młody inwestor na giełdziestrategie inwestycyjne dr Witold Gradoń Uniwersytet Ekonomiczny w Katowicach 20 listopada 2017 r. Plan wykładu Historia giełdy, Pojęcie i rodzaje

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

Optymalizacja ciągła

Optymalizacja ciągła Optymalizacja ciągła 5. Metoda stochastycznego spadku wzdłuż gradientu Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 04.04.2019 1 / 20 Wprowadzenie Minimalizacja różniczkowalnej

Bardziej szczegółowo

Oscylator Stochastyczny (Stochastic)

Oscylator Stochastyczny (Stochastic) Oscylator Stochastyczny (Stochastic) Wielu traderów stosuje strategie gry z trendem, jesteśmy przekonani, że można poprawić regularność, z jaką nasz system będzie przynosił zyski, stosując wskaźniki sprawdzające

Bardziej szczegółowo

Kagi. Podstawowe pojęcia związane z wykresami kagi to: 1) grubość linii 2 ) kierunek linii

Kagi. Podstawowe pojęcia związane z wykresami kagi to: 1) grubość linii 2 ) kierunek linii Kagi 1 Kagi - wprowadzenie Zostały stworzone w okresie powstawania japońskiej giełdy akcji tj. w latach 70-tych XIX w. Inaczej nazywane wykresem kluczy Zdaniem Japończyków są lepsze od wykresów punktowo

Bardziej szczegółowo

POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW)

POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) POWSZECHNE KRAJOWE ZASADY WYCENY (PKZW) NOTA INTERPETACYJNA NR 1 NI 1 ZASTOSOWANIE PODEJŚCIA PORÓWNAWCZEGO W WYCENIE NIERUCHOMOŚCI 1. WPROWADZENIE...2 2. PRZEDMIOT I ZAKRES STOSOWANIA NOTY...2 3. ZAŁOśENIA

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

American International Group, Inc. (AIG) - spółka notowana na giełdzie nowojorskiej (NYSE).

American International Group, Inc. (AIG) - spółka notowana na giełdzie nowojorskiej (NYSE). American International Group, Inc. (AIG) - spółka notowana na giełdzie nowojorskiej (NYSE). American International Group, Inc. (AIG) światowy lider usług z zakresu ubezpieczeń i finansów to wiodąca międzynarodowa

Bardziej szczegółowo

Typowe błędy w analizie rynku nieruchomości przy uŝyciu metod statystycznych

Typowe błędy w analizie rynku nieruchomości przy uŝyciu metod statystycznych Typowe błędy w analizie rynku nieruchomości przy uŝyciu metod statystycznych Sebastian Kokot XXI Krajowa Konferencja Rzeczoznawców Majątkowych, Międzyzdroje 2012 Rzetelnie wykonana analiza rynku nieruchomości

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

Knoty, cienie i korpusy - wszystko o kształtach świec japońskich

Knoty, cienie i korpusy - wszystko o kształtach świec japońskich Knoty, cienie i korpusy - wszystko o kształtach świec japońskich Marubozu, szpulki albo doji - świece japońskie są bardzo pomocnym narzędziem analizy technicznej. Na szczęście nie trzeba znać japońskiego,

Bardziej szczegółowo

MATERIAŁ INFORMACYJNY. Strukturyzowane Certyfikaty Depozytowe powiązane z indeksem giełdowym ze 100% ochroną zainwestowanego kapitału w Dniu Wykupu

MATERIAŁ INFORMACYJNY. Strukturyzowane Certyfikaty Depozytowe powiązane z indeksem giełdowym ze 100% ochroną zainwestowanego kapitału w Dniu Wykupu MATERIAŁ INFORMACYJNY Strukturyzowane Certyfikaty Depozytowe powiązane z indeksem giełdowym ze 1% ochroną zainwestowanego kapitału w Dniu Wykupu Emitent Bank BPH SA Numer serii Certyfikatów Depozytowych

Bardziej szczegółowo

ANALIZA HIERARCHICZNA PROBLEMU W SZACOWANIU RYZYKA PROJEKTU INFORMATYCZNEGO METODĄ PUNKTOWĄ. Joanna Bryndza

ANALIZA HIERARCHICZNA PROBLEMU W SZACOWANIU RYZYKA PROJEKTU INFORMATYCZNEGO METODĄ PUNKTOWĄ. Joanna Bryndza ANALIZA HIERARCHICZNA PROBLEMU W SZACOWANIU RYZYKA PROJEKTU INFORMATYCZNEGO METODĄ PUNKTOWĄ Joanna Bryndza Wprowadzenie Jednym z kluczowych problemów w szacowaniu poziomu ryzyka przedsięwzięcia informatycznego

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

Wykresy przełamania trzech linii

Wykresy przełamania trzech linii Wykresy przełamania trzech linii Ogólne zasady rysowania Wygląda jak szereg białych i czarnych klocków róŝniących się wysokością. KaŜdy klocek mieści się w osobnej kolumnie KaŜdy z nich nazywany jest linią.

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

Strategia Ichimokudla początkujących i zaawansowanych inwestorów. Analiza bieżącej sytuacji na rynkach.

Strategia Ichimokudla początkujących i zaawansowanych inwestorów. Analiza bieżącej sytuacji na rynkach. Strategia Ichimokudla początkujących i zaawansowanych inwestorów. Analiza bieżącej sytuacji na rynkach. Kamil Oziemczuk Analityk Dom Maklerski IDM SA (www.idmtrader.pl) Agenda prezentacji 1) Wprowadzenie

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

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

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

Trend Siły wpływu Prawdopodobieństwo. Czynniki sfera ekonomiczna

Trend Siły wpływu Prawdopodobieństwo. Czynniki sfera ekonomiczna ekonomiczna Sytuacja na giełdzie Wielkość PKB Siła złotówki Inflacja Poziom kosztów Zmiany cyklu koniunkturalnego Poziom dochodów Trend Siły wpływu Prawdopodobieństwo Wzrost +4 0,6 Stabilizacja +2 0,2

Bardziej szczegółowo

Strategia Inwestycyjna DTFM Szybkiego i Łatwego Zwycięstwa

Strategia Inwestycyjna DTFM Szybkiego i Łatwego Zwycięstwa Strategia Inwestycyjna DTFM Szybkiego i Łatwego Zwycięstwa Szybki Plan: Czego dowiesz się z Tego E-booka 4 Sekret DTFM..5 Gdzie szukać, jak użyć..7 Praktyczne zastosowanie.....10 Co Dalej?...12 Strategia

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

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

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

Formacje odwrócenia trendu

Formacje odwrócenia trendu Formacje odwrócenia trendu Aby przejść do analizy tych formacji, trzeba sobie uświadomić, że konieczne jest istnienie kilku uwarunkowań dotyczących tego rodzaju formacji 1 : 1. Podstawowym warunkiem pojawienia

Bardziej szczegółowo

Studenckie Koło Naukowe Rynków Kapitałowych

Studenckie Koło Naukowe Rynków Kapitałowych Baker Hughes Inc. (BHI) - spółka notowana na giełdzie nowojorskiej (NYSE). Czym zajmuje się firma? Baker Hughes Inc. (BHI) - to międzynarodowy koncern zajmujący się dostarczeniem produktów i usług technologicznych

Bardziej szczegółowo

Strategie arbitrażowe w praktyce Tomasz Korecki

Strategie arbitrażowe w praktyce Tomasz Korecki Strategie arbitrażowe w praktyce Tomasz Korecki Kwotowania EUR/USD u brokera A: Kupno: 1,4001 Sprzedaż: 1,4002 Kwotowania EUR/USD u brokera B: Kupno: 1,4003 Sprzedaż: 1,4005 Ile możemy zarobić na transakcji

Bardziej szczegółowo

Ekonomiczny Uniwersytet Dziecięcy

Ekonomiczny Uniwersytet Dziecięcy Ekonomiczny Uniwersytet Dziecięcy Czarodziejski młynek do pomnażania pieniędzy Akcje na giełdzie dr Witold Gradoń Uniwersytet Ekonomiczny w Katowicach 29 października 2018 r. Plan wykładu Historia giełdy,

Bardziej szczegółowo

Kontrakty zakupowe. PC-Market

Kontrakty zakupowe. PC-Market Kontrakty zakupowe PC-Market 7.2.110.0 2009 Insoft sp. z o.o. 31-227 Kraków ul. Jasna 3a tel. (012) 415-23-72 wew. 11 e-mail: market@insoft.com.pl http://www.insoft.com.pl PC-Market 7 kontrakty. 1. Czym

Bardziej szczegółowo

Strzał stochastyczny i inne nietypowe wykorzystanie wskaźników

Strzał stochastyczny i inne nietypowe wykorzystanie wskaźników Strzał stochastyczny i inne nietypowe wykorzystanie wskaźników Czym są wskaźniki analizy technicznej narzędzie analizy technicznej element pomagający w identyfikacji stanów rynkowych wspomagają w wyznaczaniu

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

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

Bibliografia. Akty prawne: Literatura:

Bibliografia. Akty prawne: Literatura: Bibliografia Akty prawne: 1. Ustawa z dnia 22 marca 1991 r. Prawo o publicznym obrocie papierami wartościowymi i funduszach powierniczych. Dz.U. 1991 nr 35 poz. 155 2. Ustawa z dnia 9 października 1991

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 McDonald's Corp. (MCD) - spółka notowana na giełdzie nowojorskiej (NYSE).

Studenckie Koło Naukowe Rynków Kapitałowych McDonald's Corp. (MCD) - spółka notowana na giełdzie nowojorskiej (NYSE). McDonald's Corp. (MCD) - spółka notowana na giełdzie nowojorskiej (NYSE). McDonald's Corp. (MCD) największa na świecie sieć barów szybkiej obsługi. Założona 15 maja 1940 r. w San Bernardino w Kalifornii

Bardziej szczegółowo

5.1 Stopa Inflacji - Dyskonto odpowiadające sile nabywczej

5.1 Stopa Inflacji - Dyskonto odpowiadające sile nabywczej 5.1 Stopa Inflacji - Dyskonto odpowiadające sile nabywczej Stopa inflacji, i, mierzy jak szybko ceny się zmieniają jako zmianę procentową w skali rocznej. Oblicza się ją za pomocą średniej ważonej cząstkowych

Bardziej szczegółowo

PLAN ZARZĄDZANIA WYMAGANIAMI PROJEKT <NAZWA PROJEKTU> WERSJA <NUMER WERSJI DOKUMENTU>

PLAN ZARZĄDZANIA WYMAGANIAMI PROJEKT <NAZWA PROJEKTU> WERSJA <NUMER WERSJI DOKUMENTU> Załącznik nr 4.4 do Umowy nr 35-ILGW-253-.../20.. z dnia... MINISTERSTWO FINANSÓW DEPARTAMENT INFORMATYKI PLAN ZARZĄDZANIA WYMAGANIAMI PROJEKT WERSJA numer wersji

Bardziej szczegółowo

Asset management Strategie inwestycyjne

Asset management Strategie inwestycyjne Asset management Strategie inwestycyjne Spis treści Opis Strategii Zmiennej Alokacji... 3 Opis Strategii Zmiennej Alokacji Plus... 5 Opis Strategii Akcji... 11 Opis Strategii Akcji Plus... 13 Opis Strategii

Bardziej szczegółowo

Zarządzanie ryzykiem. Opracował: Dr inŝ. Tomasz Zieliński

Zarządzanie ryzykiem. Opracował: Dr inŝ. Tomasz Zieliński Zarządzanie ryzykiem Opracował: Dr inŝ. Tomasz Zieliński I. OGÓLNE INFORMACJE O PRZEDMIOCIE Cel przedmiotu: Celem przedmiotu jest zaprezentowanie studentom podstawowych pojęć z zakresu ryzyka w działalności

Bardziej szczegółowo

SIEĆ NEURONOWA DO OCENY KOŃCOWEJ PRZEDSIĘWZIĘCIA (PROJEKTU)

SIEĆ NEURONOWA DO OCENY KOŃCOWEJ PRZEDSIĘWZIĘCIA (PROJEKTU) SIEĆ NEURONOWA DO OCENY KOŃCOWEJ PRZEDSIĘWZIĘCIA (PROJEKTU) 1. Opis problemu - ocena końcowa projektu Projekt jako nowe, nietypowe przedsięwzięcie wymaga właściwego zarządzania. Podjęcie się realizacji

Bardziej szczegółowo

Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych.

Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka zajmuje się prawidłowościami zaistniałych zdarzeń. Teoria prawdopodobieństwa dotyczy przewidywania, jak często mogą zajść

Bardziej szczegółowo

Studenckie Koło Naukowe Rynków Kapitałowych American Express Company (AXP) - spółka notowana na giełdzie nowojorskiej (NYSE).

Studenckie Koło Naukowe Rynków Kapitałowych American Express Company (AXP) - spółka notowana na giełdzie nowojorskiej (NYSE). American Express Company (AXP) - spółka notowana na giełdzie nowojorskiej (NYSE). American Express Company (AXP) to obecnie największa firma świata świadcząca usługi w zakresie finansów. Główna siedziba

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

Niepewność metody FMEA. Wprowadzenie 2005-12-28

Niepewność metody FMEA. Wprowadzenie 2005-12-28 5-1-8 Niepewność metody FMEA Wprowadzenie Doskonalenie produkcji metodą kolejnych kroków odbywa się na drodze analizowania przyczyn niedociągnięć, znajdowania miejsc powstawania wad, oceny ich skutków,

Bardziej szczegółowo

ICHIMOKU KINKO HYO. Studenckie Koło Naukowe Rynków Kapitałowych. 1. Linia bazowa (Kijun Sen) oznaczoną symbolem ST.

ICHIMOKU KINKO HYO. Studenckie Koło Naukowe Rynków Kapitałowych. 1. Linia bazowa (Kijun Sen) oznaczoną symbolem ST. ICHIMOKU KINKO HYO Technika Ichimoku została opracowana jeszcze przed II wojną światową przez tokijskiego dziennikarza Goichi Hosoda, który pisał pod pseudonimem Ichimoku Sanjin. Jednakże pierwszy podręcznik

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

Psychologia a analiza techniczna

Psychologia a analiza techniczna Psychologia a analiza techniczna Rynek tworzą ludzie AT jako popularny instrument analizy rynku Analiza Techniczna, a Analiza Fundamentalna Analiza Techniczna opiera się na samej zmianie cen Analiza Fundamentalna

Bardziej szczegółowo

Podstawy Sztucznej Inteligencji (PSZT)

Podstawy Sztucznej Inteligencji (PSZT) Podstawy Sztucznej Inteligencji (PSZT) Paweł Wawrzyński Uczenie maszynowe Sztuczne sieci neuronowe Plan na dziś Uczenie maszynowe Problem aproksymacji funkcji Sieci neuronowe PSZT, zima 2013, wykład 12

Bardziej szczegółowo

Studenckie Koło Naukowe Rynków Kapitałowych Citigroup Inc. (C) - spółka notowana na giełdzie nowojorskiej (NYSE).

Studenckie Koło Naukowe Rynków Kapitałowych Citigroup Inc. (C) - spółka notowana na giełdzie nowojorskiej (NYSE). Citigroup Inc. (C) - spółka notowana na giełdzie nowojorskiej (NYSE). Citigroup Inc. jest amerykańskim holdingiem prowadzącym zdywersyfikowaną działalność w zakresie usług bankowych i finansowych, w szczególności:

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

Prezentacja aplikacji

Prezentacja aplikacji Prezentacja aplikacji Kto tworzy Navigatora? Doświadczeni doradcy inwestycyjni i analitycy od 8 lat oceniający rynki funduszy inwestycyjnych w Polsce i na świecie, Niezależna finansowo i kapitałowo firma,

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 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

Temat: Sztuczne Sieci Neuronowe. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE

Temat: Sztuczne Sieci Neuronowe. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Temat: Sztuczne Sieci Neuronowe Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1 Wprowadzenie Sztuczne sieci neuronowe

Bardziej szczegółowo

Podstawy inwestowania na rynku Forex, rynku towarowym oraz kontraktów CFD

Podstawy inwestowania na rynku Forex, rynku towarowym oraz kontraktów CFD Podstawy inwestowania na rynku Forex, rynku towarowym oraz Poradnik Inwestora Numer 15 Admiral Markets Sp. z o.o. ul. Aleje Jerozolimskie 133 lok.34 02-304 Warszawa e-mail: Info@admiralmarkets.pl Tel.

Bardziej szczegółowo

OPCJE. Slide 1. This presentation or any of its parts cannot be used without prior written permission of Dom Inwestycyjny BRE Banku S..A.

OPCJE. Slide 1. This presentation or any of its parts cannot be used without prior written permission of Dom Inwestycyjny BRE Banku S..A. OPCJE Slide 1 Informacje ogólne definicje opcji: kupna (call)/sprzedaŝy (put) terminologia typy opcji krzywe zysk/strata Slide 2 Czym jest opcja KUPNA (CALL)? Opcja KUPNA (CALL) jest PRAWEM - nie zobowiązaniem

Bardziej szczegółowo