Modele neuronowe wspomagające prognozowanie cen pszenicy konsumpcyjnej na zdecentralizowanym rynku towarowym

Autor

  • Krzysztof Koszela Uniwersytet Przyrodniczy w Poznaniu, Instytut Inżynierii Biosystemów
  • Maciej Zaborowicz Uniwersytet Przyrodniczy w Poznaniu, Instytut Inżynierii Biosystemów

DOI:

https://doi.org/10.15678/ZNUEK.2014.0935.1107

Słowa kluczowe:

sztuczne sieci neuronowe, prognozowanie cen, Forex, pszenica

Abstrakt

Celem pracy jest zbadanie możliwości wygenerowania i wykorzystania modeli neuronowych w predykcji najniższej oraz najwyższej dziennej ceny pszenicy konsumpcyjnej na rynku Forex. Dokonano analizy parametrów wejściowych i przygotowano zbiory uczące sieci neuronowych, tak by możliwe było wygenerowanie modeli neuronowych. Po wygenerowaniu sztucznych sieci neuronowych przeprowadzono analizę wrażliwości, a także przebudowano zbiór uczący, poszerzając go jednocześnie o dane niezbędne do prawidłowego prognozowania ceny.

Downloads

Download data is not yet available.

Bibliografia

Galant M., Dolan M. [2007], Currency Trading for Dummies, Wiley Publishing, Hoboken.

Worrachate A., Goodman D. [2012], Currency Trading at $5 Trillion a Day Surpassed Pre-Lehman High, BIS Says, Bloomberg.

Dominiak J. [2012], Forex urywa ręce, Wyborcza.biz (data dostępu: 10.11.2012).

Domaradzki R. [2007], Zastosowanie sieci neuronowych do wspomagania decyzji inwestycyjnych, Praca doktorska, Akademia Górniczo-Hutnicza w Krakowie, Kraków.

Frydrychowicz W., Szymańska K. [2008], Zagadnienie sztucznych sieci neuronowych w dynamicznych procesach niestandardowej ekonomii, Scientific Bulletin of Chełm Section of Mathematics and Computer Sience, nr 1.

Karpuś P., Węsławski J. [2009], Rynek finansowy w erze zawirowań, UMCS w Lublinie, Lublin.

Pring M. [2010], Analiza techniczna dla inwestorów krótkoterminowych, Grube Ryby.

Matinez J. [2012], 10 fundamentalnych zasad na rynku Forex. Strategie osiągania zysku, Onepress.

Kochan K. [2009], Forex w praktyce. Vademecum inwestora walutowego, Onepress.

Wyrozumski T. [2005], Sieci neuronowe a energetyka - prawdy i mity o prognozowaniu [w:] Rynek energii elektrycznej: bezpieczeństwo energetyczne Polski w strukturze Unii Europejskiej, Materiały XI Konferencji Naukowo-Technicznej, t. II, Wydawnictwo Politechniki Lubelskiej, Lublin.

Zieliński G. [2010], Wykorzystanie sztucznych sieci neuronowych do prognozowania upadłości przedsiębiorstw, Wyższa Szkoła Zarządzania i Administracji w Zamościu, Publikacje Koła Metod Sztucznej Inteligencji, http://student.wszia.edu.pl/~msi/?m=pu (data dostępu: 10.05.2012).

Pobrania

Numer

Dział

Artykuły