ГIБРИДНА МОДЕЛЬ САМООРГАНIЗАЦIЙНОЇ КАРТИ КОХОНЕНА ТА АДАПТИВНОЇ НЕЙРО-НЕЧIТКОЇ СИСТЕМИ ВИВОДУ У ЗАДАЧАХ ПРОГНОЗУВАННЯ ЦIН ФОНДОВИХ IНДЕКСIВ

  • M. Ya. Kushnir Чернівецький національний університет імені Юрія Федьковича
  • K. A. Tokarieva Чернівецький національний університет імені Юрія Федьковича
Ключові слова: машинне навчання, часовий ряд фiнансових даних, органiзацiйна карта Кохонена, адаптивна нейро-нечiтка система виводу

Анотація

Дослiджено використання методiв штучного iнтелекту у прогнозуваннi i аналiзi часо-
вих рядiв фiнансових даних, оскiльки останнi мають нелiнiйну, хаотичну, багатовимiрну
та просторову природу, що робить прогнозування складним процесом. Запропоновано гi-
бридну модель самоорганiзацiйної карти Кохонена та адаптивної нейро-нечiткої системи
виводу для задачi прогнозування цiн фондових iндексiв. Виявлено, що гiбриднi моделi
є кращими предикторами, оскiльки вони швидкi, ефективнi та мають менше помилок.
Запропонований гiбридний метод з адаптивною нейро-нечiткою системою виводу проде-
монстрував зменшення похибок та вищу загальну точнiсть.

Завантаження

Дані завантаження ще не доступні.

Посилання

References
[1] Afolabi M.O., Olude O. Predicting stock prices using a hybrid Kohonen self organizing map (SOM).
In System Sciences, January, 2007. HICSS 2007. 40th Annual Hawaii International Conference on (pp.
48-48). IEEE.
[2] Billah M., Waheed S. and Hanifa A. Predicting Closing Stock Price using Artificial Neural Network and
Adaptive Neuro Fuzzy Inference System (ANFIS): The Case of the Dhaka Stock Exchange. International
Journal of Computer Applications, 2015, 129(11), 1–5.
[3] Bowden Gavin, Maier Holger, Dandy Graeme. Optimal Division of Data for Neural Network Models
in Water Resources Applications. Water Resources Research – WATER RESOUR RES, 2002. 38.
10.1029/2001WR000266
[4] Boyacioglu M.A. and Avci D. An adaptive network-based fuzzy inference system (ANFIS) for the predi-
ction of stock market return: the case of the Istanbul stock exchange. Expert Systems with Applications,
2010, 37(12), 7908–7912.
[5] Dablemont S., G. Simon, A. Lendasse, A. Ruttiens, F. Blayo and M. Verleysen. Time series forecasting
with SOM and local non-linear models-Application to the DAX30 index prediction. In: Proceedings of
the workshop on self-organizing maps, 2003, Kitakyushu, Japan, Citeseer.
[6] Durbin J, Koopman SJ. Time Series Analysis by State Space Methods. Oxford University Press, Oxford,
2001.
[7] Ghosh I., Sanyal M.K. and Jana R.K. Fractal Inspection and Machine Learning-Based Predictive
Modelling Framework for Financial Markets. Arabian Journal for Science and Engineering, 2017, 1–15.
[8] Jang JS. ANFIS: adaptive-network-based fuzzy inference system. IEEE transactions on systems, man,
and cybernetics, May, 1993, 23(3), 65–85.
[9] Kohonen T. Self-organized formation of topologically correct feature maps. Biological cybernetics, 1982,
43(1), 59–69.
[10] Meng J., Zhu T., Chen X. and Yin X., The nonlinear dynamics characteristics of stock market and
its variation. In Proceedings of the 2nd International Conference on Computer Science and Electronics
Engineering (ICCSEE 2013), March, 2013, Published by Atlantis Press, Paris, France. 0450–0455.
[11] Kushnir M.Ya., Tokareva K.A. The use of artificial intelligence systems in forecasting tasks
of financial indices: a review of scientific sources. Radio electronic and computer systems, 2020,
3 (95), 108–117. doi: 10.32620 / rex.2020.3.11
Опубліковано
2021-12-27
Як цитувати
[1]
Kushnir, M. і Tokarieva, K. 2021. ГIБРИДНА МОДЕЛЬ САМООРГАНIЗАЦIЙНОЇ КАРТИ КОХОНЕНА ТА АДАПТИВНОЇ НЕЙРО-НЕЧIТКОЇ СИСТЕМИ ВИВОДУ У ЗАДАЧАХ ПРОГНОЗУВАННЯ ЦIН ФОНДОВИХ IНДЕКСIВ. Буковинський математичний журнал. 9, 2 (Груд 2021). DOI:https://doi.org/10.31861/bmj2021.02.05.