Prediktív modellek teljesítményének vizsgálata Covid-19 és az orosz-ukrán háború időszakában

Vancsura, László and Bareith, Tibor (2023) Prediktív modellek teljesítményének vizsgálata Covid-19 és az orosz-ukrán háború időszakában. PÉNZÜGYI SZEMLE/PUBLIC FINANCE QUARTERLY (1963-), 69 (2). pp. 123-138. ISSN 0031-496X

Preview

Text 1399-Cikkszovege-7017-1-10-20230630.pdf Download (476kB) | Preview

Abstract

Tanulmányunkban arra a kérdésre keressük a választ, hogy mennyire hatékonyan lehet a mesterséges intelligencia segítségével előrejelezni a részvénypiaci trendeket a világ vezető részvénypiacain a 2010. 01. 01. és a 2022. 09. 16. közötti időszakban. A Covid-19 és az orosz–ukrán háború erőteljesen éreztette hatását a tőkepiacokon is, ezért egy rendkívül volatilitásintenzív környezetben folyt a vizsgálat. Az elemzés során három időintervallumon két különböző komplexitású gépi tanulási algoritmust (döntési fa, LSTM) és egy parametrikus statisztikai modellt (lineáris regresszió) alkalmaztunk. A kapott eredmények kiértékelését az átlagos abszolút százalékos hiba alapján (MAPE) értékeltük. Tanulmányunkban igazoltuk, hogy a prediktív modellek a kiemelt volatilitású időszakban jobban tudnak teljesíteni, mint a lineáris regresszió. Emellett fontos eredményünk, hogy az orosz–ukrán háborút követő időszakban jobban teljesítettek az előrejelző modellek, mint a Covid-19 kitörése után. Az árfolyam-előrejelzés a fundamentális és technikai elemzések során is fontos szerepet kaphat, beépíthető az algoritmikus kereskedés döntési szempontjai közé, azonban akár önmagában is alkalmas lehet a kereskedés automatizálására.

Actions (login required)

Edit Item