Сравнительный анализ моделей прогнозирования цен акций с использованием нейронных сетей и эконометрических моделей

В данной работе рассматривается построение искусственной нейронной сети в Matlab и моделей ARIMA в R для прогнозирования значений цен на акции и . В статье представлена ​​теоретическая основа для понимания искусственных нейронных сетей. Дается также широкий обзор литературы по теме прогнозов с использованием нейронных сетей и сравнение с классическими моделями. В данной работе анализируется предсказательная способность нейронной сети и моделей ARIMA на выборке, содержащей цены 20 крупных российских компаний, которые используются при расчете индекса РТС. Выборка составляла около 12 месяцев. Эта выборка была разделена на две основные группы, первая учебная группа состоит из 9 месяцев, на основе этой группы будет проведена обучение нейронной сети, а вторая группа - 3 месяца, на которой будет проводиться тест нейронной сети. Первая группа с 01/05/2016 по 31/01/2017, вторая - с 01/02/2012 по 02/05/2017. Модели ARIMA используют только вторую группу. Описана методология построения искусственной нейронной сети, а также методология построения моделей ARIMA в R. Созданная искусственная нейронная сеть представляет собой многослойный персептрон с одним скрытым слоем нейронов. При обучении нейронной сети используется алгоритм для обратного распространения ошибки. В связи с тем, что были отобраны 20 крупных российских компаний , в качестве примера будут приведены графики прогнозов только для одной компании (Аэрофлот). Кроме того, индикаторы MAPE (средняя абсолютная ошибка в процентах) будут представлены по всем компаниям в выборке. Средняя абсолютная ошибка в процентах для всех компаний составляла приблизительно 3,8 процента для нейронной сети и 6,3 процента для моделей ARIMA. Эти значения подтверждают соответствие нашей искусственной нейронной сети и доказательство того, что модели ARIMA показывают низкую производительность по сравнению с нейронной сетью.