МОДЕЛІ ТА МЕТОДИ ТЕХНІЧНОГО АНАЛІЗУ ФІНАНСОВИХ РИНКІВ

Автор(и)

  • Віктор Ладижець Київський національний університет будівництва і архітектури, Київ, Ukraine https://orcid.org/0000-0002-4326-7325
  • Світлана Теренчук Київський національний університет будівництва і архітектури, Київ, Ukraine https://orcid.org/0000-0001-6527-4123

DOI:

https://doi.org/10.32347/2412-9933.2021.48.47-52

Ключові слова:

розпізнавання шаблонів, технічний аналіз, фондовий ринок, ціна активу, часовий ряд, шаблонна діаграма

Анотація

В статті проведено огляд існуючих моделей та методів аналізу і прогнозування фінансових ринків. Актуальність теми зумовлена значним зростанням кількості фінансових інструментів на фондових та інших фінансових ринках, а також стрімкою комп’ютеризацією процесу торгів на цих ринках. Представлено основні відомості щодо фундаментального та технічного підходу до аналізу фінансових ринків, наведено основні припущення, на яких базуються ці підходи. Висвітлено основні задачі та проблеми, що виникають у процесі аналізу і передбачення фінансових ринків. Основну увагу зосереджено на огляді існуючих підходів до розв’язання поставлених задач прогнозування майбутньої ціни активу, пошуку аномалій в даних та аналізу поточного стану ринку. Надано огляд досягнень в аналізі та прогнозуванні ринків, технічні, фундаментальні, коротко- та довгострокові підходи, що використовуються для аналізу ринків. У роботі розглядаються статистичні методи прогнозування, методи розпізнавання шаблонів, моделі та методи машинного навчання з учителем та без учителя, моделі сентиментального аналізу, а також гібридні моделі. Проведено огляд результатів дослідження таких моделей та методів, як Long short-term memory, Gated recurrent units, Support vector machine, Perceptually Important Points, які використовуються як самостійно, так і в якості компоненти гібридної моделі для різних фінансових ринків. Зокрема, в оглянутих публікаціях досліджуються моделі на фондовому ринку США та корейському фондовому ринку. Проведене дослідження показало, що для короткострокового прогнозування ціни акцій компанії на фондовому ринку найбільш перспективними є гібридні штучні нейронні мережі, які здатні врахувати суспільні настрої гравців ринку. На основі проведеного дослідження визначено доцільність використання стистичних моделей в комбінації з методами розпізнавання шаблонів чи машинного навчання.

Біографії авторів

Віктор Ладижець , Київський національний університет будівництва і архітектури, Київ

Аспірант кафедри інформаційних технологій проєктування та прикладної математики

Світлана Теренчук , Київський національний університет будівництва і архітектури, Київ

Кандидат фізико-математичних наук, доцент кафедри інформаційних технологій проєктування та прикладної математики

Посилання

Fundamental Analysis. URL: www.investopedia.com/terms/f/fundamentalanalysis.asp.

Adam Hayes, 2021 Technical Analysiss. URL: www.investopedia.com/terms/t/technicalanalysis.asp

Adam Hayes, 2021. Dow Theory definition. URL: investopedia.com/terms/d/dowtheory.

Robert Kissell. (2020). Algorithmic Trading Methods Applications Using Advanced Statistics, Optimization, and Machine Learning Techniques P. 87.

The economist, 2019. The stock market is now run by computers, algorithms and passive managers. URL: www.economist.com/briefing/2019/10/05/the-stockmarket-is-now-run-by-computers-algorithms-and-passive-manager.

Adam Hayes, 2021 Introduction to Technical Analysis Price Patterns. URL: www.investopedia.com/articles/technical/112601.asp

Corry Mitchell, 2021. Und, erstanding Basic Candlestick Charts. URL: www.investopedia.com/trading/candlestick-charting-what-is-it.

Elbahloul, Karim, (2019). Stock Market Prediction Using Various Statistical Methods Volume I. 10.13140/RG.2.2.13235.17446.

Sun, Qizhou & Si, Yain Whar. (2020). An Efficient Segmentation Method: Perceptually Important Point with Binary Tree. 10.1007/978-3-030-59051-2_24.

Markowska-Kaczmar, Urszula, and Maciej Dziedzic, (2008). Discovery of Technical Analysis Patterns. Paper presented at the International Multiconference on Computer Science and Information Technology, IMCSIT 2008, Wisia, Poland, October 20–22.

Schumaker, Robert P., and Hsinchun Chen, (2009). Textual Analysis of Stock Market Prediction Using Breaking Financial News: The Azfin Text System. ACM Transactions on Information Systems (TOIS) 27: 12.

Adebiyi, Ayodele & Adewumi, Aderemi & Ayo, Charles, (2014). Stock price prediction using the ARIMA model. Proceedings - UKSim-AMSS 16th International Conference on Computer Modelling and Simulation, UKSim 2014.

Cont, Rama. (2005). Volatility Clustering in Financial Markets: Empirical Facts and Agent-Based Models. Long Memory in Economics. 1. 10.2139/ssrn.1411462.

Kim, Sang, Hee Soo Lee, Hanjun Ko, Seung Hwan Jeong, Hyun Woo Byun, and Kyong Joo Oh, (2018). Pattern Matching Trading System Based on the Dynamic Time Warping Algorithm. Sustainability 10: 4641.

Hyun Sik Sim, Hae In Kim, Jae Joon Ahn, (2019). Is Deep Learning for Image Recognition Applicable to Stock Market Prediction? Complexity, vol. 2019, Article ID 4324878, 10 pages.

Hossain, Mohammad Asiful, Rezaul Karim, Ruppa K. Thulasiram, Neil D. B. Bruce, and Yang Wang, (2018). Hybrid Deep Learning Model for Stock Price Prediction. Paper presented at the 2018 IEEE Symposium Series on Computational Intelligence (SSCI), Bangalore, India, November 18–21.

Hochreiter, Sepp & Schmidhuber, Jürgen. (1997). Long Short-term Memory. Neural computation. 9. 1735-80. 10.1162/neco.1997.9.8.1735.

Prajitno, Yakobus & Setyohadi, Djoko & Dwiandiyanta, Bernadectus. (2021). Forecasting Stock Exchange Using Gated Recurrent Unit. 99-104. 10.1109/ICITech50181.2021.9590123.

Lv, Dongdong, Shuhan Yuan, Meizi Li, and Yang Xiang. 2019. An Empirical Study of Machine Learning Algorithms for Stock Daily Trading Strategy. Mathematical Problems in Engineering.

Powell, Nicole, Simon Y. Foo, and Mark Weatherspoon, (2008). Supervised and Unsupervised Methods for Stock Trend Forecasting. Paper presented at the 40th Southeastern Symposium on System Theory (SSST 2008), New Orleans, LA, USA, March 16–18.

Robert P. Schumaker, Hsinchun Chen, (2010). Discrete Stock Price Prediction Engine Based on Financial News.

##submission.downloads##

Опубліковано

2021-12-20

Як цитувати

Ладижець , В. ., & Теренчук , С. . (2021). МОДЕЛІ ТА МЕТОДИ ТЕХНІЧНОГО АНАЛІЗУ ФІНАНСОВИХ РИНКІВ. Управління розвитком складних систем, (48), 47–52. https://doi.org/10.32347/2412-9933.2021.48.47-52

Номер

Розділ

ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ УПРАВЛІННЯ

Статті цього автора (авторів), які найбільше читають