Computational Intelligence for Financial Market Prediction

Abstract

Finanční trhy jsou charakterizovány nejistotou, která je často spojována s budoucím vývojem světových ekonomik a firem. Schopnost předpovědět alespoň do určité míry budoucí vývoj finančních trhů by umožnila člověku dosáhnout téměř neomezených zisků. Cílem této práce je prozkoumat neuronové sítě a genetické programování jako možné nástroje pro předpovídání budoucích pohybů finančních trhů, a aplikovat je na dostupná historická finanční data. Experimenty byly provedeny a jejich výsledky nám ukázaly, že obě metody mohou být úspěšně k tomuto účelu využity. Výsledky nám dále ukázaly, že strategie využívající neuronové sítě v průměru překonaly strategie vytvořené pomocí genetického programování. Pro zhodnocení a zobrazení výsledků našich strategií byla dále vytvořena aplikace MarketForecaster. Powered by TCPDF (www.tcpdf.org)

Financial markets are characterized by uncertainty, which is associated with the future progress of world economics and corporations. The ability of an individual to forecast future market behaviour at least to a certain extent would give him an important competitive advantage on the market. The aim of this work is to explore neural networks and genetic programming as possible tools which could be used for financial markets forecasting and apply them on historical financial data. Experiments using neural networks and genetic programming were performed and the results show, that both tools can be employed successfully. On average, neural networks outperformed genetic programming in our experiments. In order to evaluate and visualize the results of our created strategies, the MarketForecaster application was implemented. Powered by TCPDF (www.tcpdf.org)