Prediktív modellek és alkalmamazásuk a pénzügyi piacokon
| Szerző: | |
|---|---|
| További közreműködők: | |
| Dokumentumtípus: | TDK dolgozat |
| Kulcsszavak: | adatbázis adatsorok elemzése alalpfogalmak ábraelemzés ábrák Excel LSTM Prophet Python |
| Online Access: | http://dolgozattar.uni-bge.hu/60457 |
| Kivonat: | Dolgozatom célja a pénzügyi idősorok előrejelzésében alkalmazható prediktív modellek összehasonlító vizsgálata, különös tekintettel az LSTM (Long Short-Term Memory) és a Prophet modellekre. A kutatás során az Amazon (AMZN) vállalat részvényeinek napi árfolyamadatait használtam az 2019 és 2024 közötti időszakból, amely megfelelő részletességet és időbeli lefedettséget biztosított az előrejelzések megbízható elemzéséhez.A dolgozat bemutatja a modellek működési elvét: az LSTM mélytanulási architektúrája memóriacellákkal és vezérlőkapukkal lehetővé teszi a hosszú távú függőségek felismerését és komplex, nemlineáris mintázatok modellezését, míg a Prophet statisztikai alapú modellként az idősorokat trend-, szezonális és ünnepi komponensekre bontja, ezáltal jól értelmezhető előrejelzéseket biztosít.A kutatás során a modellek futtatásához a Python programozási nyelvet használtam, és a Yahoo Finance Python-bővítményén keresztül gyűjtött adathalmazt előzetesen tisztítottam és formáztam. A prediktív modellek teljesítményét három statisztikai mérőszám segítségével értékeltem: Átlagos Abszolút Százalékos Hiba (MAPE), Négyzetes Középérték Hibája (RMSE) és Átlagos Abszolút Hiba (MAE), amelyek lehetővé tették az előrejelzések pontosságának és megbízhatóságának összehasonlítását.Dolgozatomban, szeretném feltárni, hogy milyen eltérések merülnek a két már említett modell között, illetve, hogy használatuk során milyen nehézségekbe ütközhetek én mint mindennapi felhasználó. Ezen felül, olyan kérdések is felmerülnek a dolgozat során hogy, hogyan befolyásolja az adathalmazokban felmerülő adatok hiánya illetve részletes hiánya az előrejelzések pontosságát. Az eredmények várhatóan hozzájárulnak a pénzügyi előrejelzési módszerek jobb megértéséhez és a prediktív modellek alkalmazhatóságának gyakorlati értékeléséhez. |
|---|