Stock market index prediction using artificial neural network

Дата: 
27/10/15
Аномалии: 
Авторы: 
Amin Hedayati Moghaddama, Moein Hedayati Moghaddamb, Morteza Esfandyari
Аннотация: 
In this study the ability of artificial neural network (ANN) in forecasting the daily NASDAQ stock exchange rate was investigated. Several feed forward ANNs that were trained by the back propagation algorithm have been assessed. The methodology used in this study considered the short-term historical stock prices as well as the day of week as inputs. Daily stock exchange rates of NASDAQ from January 28, 2015 to 18 June, 2015 are used to develop a robust model. First 70 days (January 28 to March 7) are selected as training dataset and the last 29 days are used for testing the model prediction ability. Networks for NASDAQ index prediction for two type of input dataset (four prior days and nine prior days) were developed and validated.
Описание: 

В статье предлагается использовать нейронную сеть прямого распространения для предсказания временного ряда индекса NASDAQ. В качестве способа тренировки используется метод обратного распространения ошибки. Для обучения используется техники сопряжённых градиентов (SCG), алгоритм Левенберга — Марквардта (LM), одноступенчатый (OSS), градиентный спуск с адаптивной скоростью обучения (GDA), градиентный спуск с momentum (GDM). На вход подаётся значения индекса за 4 или 9 девять предыдущих дней, а также день недели. В качестве критериев выборки модели использовались R2 и MSE. Для случая 4х дней в качестве функций активации использовались TANSIG, PURELIN, LOGSIG. Для сети с 20-40-20 нейронами в скрытых слоях наиболее эффективным оказался метод OSS и функция TANSIG. Для последних метода и функции проверены различные конфигурации сети. Для случая 9ти дней наиболее эффективными оказались метод OSS и функция LOGSIG. В данном случае наилучшей оказалась конфигурация 20-40-20.

Тестирование показало околонулевую доходность