Aktsia tootluse ja volatiilsuse ennustamine masinõppe ja ökonomeetriliste mudelitega – Balti aktsiaturu võrdlev juhtumianalüüs

Nimi
Anders Nõu
Kokkuvõte
Aktsiaturu tootluse ja volatiilsuse ennustamist on laialdaselt uuritud, ent see on osutunud keeruliseks ülesandeks. Probleemi keerukus on tingitud sellest, et aktsiaturgu mõjutavad paljud tegurid. Aktsiaturu analüüsimiseks ja asjakohaste investeerimisotsuste langetamiseks on mitmeid viise, kuid parima lähenemise valimine on keeruline. Siinkohal näitame, milline lähenemisviis on Balti aktsiaturu tootluse ja volatiilsuse ennustamisel efektiivsem: masinõppe või ökonomeetriline lähenemine.
Masinõppe ja ökonomeetriliste mudelite kasutamist Balti aktsiaturu tootluse ja volatiilsuse ennustamiseks on uuritud väga vähe. Balti aktsiaturu ennustamise erinevate lähenemisviiside kohta puuduvad ka võrdlevad uuringud, mille alusel saaks võrrelda erinevate meetodite efektiivsust.
Töö tulemusena saavutas tugivektori regressioonimudel madalaima sümmeetrilise keskmise absoluutprotsendivea 61,90% ja autoregressiivse libiseva keskmise mudeli puhul tuli tulemuseks 165,43%. GARCHi mudeli madalaim sümmeetriline keskmine absoluutne protsendiviga on 51,05%, GARCH-ANN mudeli puhul 61,65%.
Üldiselt edestavad masinõppemudelid enamiku käsitletud mõõdikute puhul ökonomeetrilisi mudeleid, ent siiski on ökonomeetriliste mudelite tulemused enamikul juhtudel võrreldavad masinõppemudelite tulemustega.
Lõputöö keel
inglise
Lõputöö tüüp
Bakalaureus - Informaatika
Juhendaja(d)
Rajesh Sharma, Mustafa Hakan Eratalay, Darya Lapitskaya
Kaitsmise aasta
2021
 
PDF