Please use this identifier to cite or link to this item: https://essuir.sumdu.edu.ua/handle/123456789/78432
Or use following links to share this resource in social networks: Recommend this item
Title Innovations in Management Forecast: Time Development of Stock Prices with Neural Networks
Other Titles Інновації в управлінні прогнозуванням: динаміка вартості акцій з використанням нейронних мереж
Authors Vochozka, M.
Horak, J.
Krulicky, T.
ORCID
Keywords програмне забезпечення Statistica
програмне забезпечення Matlab
розвиток біржового курсу
нейронні мережі
прогнозування
Statistica software
Matlab software
stock price development
neural networks
prediction
Type Article
Date of Issue 2020
URI https://essuir.sumdu.edu.ua/handle/123456789/78432
Publisher Sumy State University
License Creative Commons Attribution 4.0 International License
Citation Vochozka, M., Horak, J., & Krulicky, T. (2020). Innovations in Management Forecast: Time Development of Stock Prices with Neural Networks. Marketing and Management of Innovations, 2, 324-339. http://doi.org/10.21272/mmi.2020.2-24
Abstract У статті визначено, що довгострокове прогнозування волатильності вартості акцій на фондової біржі вимагає використання інноваційних інструментів та методів. Результати систематизації наукових джерел свідчать, що однією з переваг довгострокового прогнозування вартості акцій є отримання емпірично підтвердженої інформації для прийняття відповідних рішень інвесторами. Дослідження волатильності вартості акцій є динамічним та нелінійним процесом, на який впливає низка факторів. Авторами наголошено, що одним із значущих факторів є рівень непередбачуваності, що зростає під час настання криз. У зв’язку з цим традиційні методи прогнозування зміни вартості акцій є не ефективними. Головною метою статті є удосконалення методів управління процесу прогнозування динаміки вартості акцій з використанням нейронних мереж. Авторами проаналізовано дані щодо цін на акції енергетичної компанії CEZ з 2012 по 2017 року, які отримано з бази даних фондової біржі Праги. У статті застосовано програмне забезпечення Statistica для формування мереж багатошарового персептрону (MLP) та мереж радіальної базисної функції (RBF), програмне забезпечення Matlab – для формування регресії опорних векторів (SVR) та нейронних мереж з алгоритмом зворотнього розповсюдження (BPNN). Результати дослідження засвідчили, що мережі MLP мали вищий рівень стабільності та ефективності, ніж мережі SVR та BPNN. Наголошено, що відхилення у 2,26% спостерігається у значущому диференціалі за максимального та мінімального горизонту прогнозу, що є несуттєвим у випадку зміни вартості однієї акції. Однак, при купівлі чи продажі пакету акцій, дана різниця може суттєво збільшитись. Таким чином, враховуючи отримані результати, у статті рекомендовано практичне застосування мереж MLP 1-2-1 та MLP 1-5-1. При цьому MLP 1-2-1 мережа дозволяє побудувати песимістичний та мінімальний прогноз, тоді як MLP 1-5-1 мережа – оптимістичний та максимальний.
Accurate prediction of stock market values is a challenging task for over decades. Prediction of stock prices is associated with numerous benefits including but not limited to helping investors make wise decisions to accumulate profits. The development of the share price is a dynamic and nonlinear process affected by several factors. What is interesting is the unpredictability of share prices due to the global financial crisis. However, classical methods are no longer sufficient for the application of share price development prediction. However, over-relying on prediction data can lead to losses in the case of software malfunction. This paper aims to innovate the prediction management when predicting the share price development over time by the use of neural networks. For the contribution, the data on the prices of CEZ, a.s. shares obtained from the Prague Stock Exchange database. The stock price data are available for the period 2012-2017. In the case of Statistica software, the multilayer perceptron networks (MLP) and the radial basis function networks (RBF) are generated. In the case of Matlab software, the Support Vector Regression (SVR) and the Back-Propagation Neural Network (BPNN) are generated. The networks with the best characteristics are retained and based on the statistical interpretation of the results, and all are applicable in practice. In all data sets, MLP networks show stable performance better than in the case of SVR and BPNN networks. As for the final assessment, the deviation of 2.26% occurs in the most significant differential of the maximal and the minimal prediction. It is not necessarily significant regarding the price of one stock. However, in the case of purchasing or selling a large number of stocks, the difference may seem significant. Therefore, in practice, the application of two networks is recommended: MLP 1-2-1 and MLP 1-5-1. The first network always represents a pessimistic, minimal prediction. The second one of the recommended networks is an optimistic, maximal prediction. The actual situation should correspond to the interval of the difference between the optimistic and pessimistic prediction.
Appears in Collections: Маркетинг і менеджмент інновацій (Marketing and Management of Innovations)

Views

Algeria Algeria
1
Australia Australia
9489661
Bangladesh Bangladesh
1
Canada Canada
580866603
China China
2085931826
Czechia Czechia
184420
Denmark Denmark
1
Ecuador Ecuador
1
Egypt Egypt
1
Finland Finland
602748348
Germany Germany
249724373
Greece Greece
1
Hong Kong SAR China Hong Kong SAR China
75686486
Hungary Hungary
1
India India
1205496708
Indonesia Indonesia
1040399297
Iran Iran
1493238268
Iraq Iraq
1
Ireland Ireland
50941
Italy Italy
1
Japan Japan
1437422573
Kenya Kenya
1
Libya Libya
203625
Lithuania Lithuania
1
Macao SAR China Macao SAR China
21665
Malaysia Malaysia
75686487
Morocco Morocco
640
Netherlands Netherlands
1
Nigeria Nigeria
1
Oman Oman
1
Pakistan Pakistan
-1305704891
Philippines Philippines
1205496711
Portugal Portugal
1
Romania Romania
1
Russia Russia
21664
Saudi Arabia Saudi Arabia
1
Singapore Singapore
-1305704888
South Africa South Africa
1
South Korea South Korea
1
Sweden Sweden
1
Syria Syria
1
Taiwan Taiwan
1205496715
Thailand Thailand
1
Turkey Turkey
1
Ukraine Ukraine
-1305704890
United Kingdom United Kingdom
580866604
United States United States
-902750754
Unknown Country Unknown Country
1437422574
Vietnam Vietnam
167510

Downloads

Algeria Algeria
1
Angola Angola
1
Brazil Brazil
1
Canada Canada
1
China China
-499796616
Czechia Czechia
151232
France France
-1075279719
Germany Germany
1437422505
Hong Kong SAR China Hong Kong SAR China
1205496699
India India
2085931820
Indonesia Indonesia
1
Iran Iran
1205496703
Ireland Ireland
1
Japan Japan
1
Libya Libya
65383
Lithuania Lithuania
1
Mexico Mexico
1
Morocco Morocco
1
Netherlands Netherlands
60511
Oman Oman
1
Pakistan Pakistan
1
Romania Romania
1
Singapore Singapore
-1305704887
South Korea South Korea
1
Switzerland Switzerland
1
Taiwan Taiwan
1205496718
Ukraine Ukraine
1982435896
United Kingdom United Kingdom
-1650762818
United States United States
-1305704886
Vietnam Vietnam
1

Files

File Size Format Downloads
Vochozka_mmi_2_2020.pdf 847.58 kB Adobe PDF -1009658739

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.