Prognozowanie indeksu WIG20 za pomocą sieci neuronowych NARX i metody SVM

Sylwia Radomska ()
Additional contact information
Sylwia Radomska: Uniwersytet Warszawski, Wydział Zarządzania; FAME|GRAPE

Bank i Kredyt, 2021, vol. 52, issue 5, 457-472

Abstract: elem artykułu jest porównanie błędu prognoz indeksu WIG20 uzyskanych za pomocą tradycyjnej metody statystycznej oraz metod uczenia maszynowego: metody wektorów nośnych i metamodelu opartego na sieciach neuronowych NARX. Przeprowadzona analiza wskazuje, że metoda SVM pozwoliła na uzyskanie prognoz o największej precyzji (najniższych wartościach błędów ex post). Obie metody uczenia maszynowego cechowały się istotnie większą dokładnością prognoz w porównaniu z zastosowaną metodą statystyczną w okresie styczeń 2017 – marzec 2018 r. Tradycyjne modele statystyczne wymagają szeregu założeń dotyczących zależności pomiędzy zmiennymi, szeroko krytykowanych w literaturze za arbitralność. Charakterystyka modeli uczenia maszynowego z jednej strony podkreśla ich zdolność do wykrywania złożonych i nieliniowych zależności w danych historycznych, ale z drugiej strony wskazuje na ich inne ograniczenia metodologiczne.

Keywords: prognozowanie; WIG20; sieci neuronowe (NARX); metoda wektorów nośnych (SVM); efektywność rynku (search for similar items in EconPapers)
JEL-codes: C45 C53 G14 G17 (search for similar items in EconPapers)
Date: 2021
References: View references in EconPapers View complete reference list from CitEc
Citations:

Downloads: (external link)
https://bankikredyt.nbp.pl/content/2021/05/bik_05_2021_03.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:nbp:nbpbik:v:52:y:2021:i:5:p:457-472

Access Statistics for this article

More articles in Bank i Kredyt from Narodowy Bank Polski Contact information at EDIRC.
Bibliographic data for series maintained by Wojciech Burjanek ().