is Íslenska en English

Lokaverkefni (Meistara)

Háskólinn í Reykjavík > Tæknisvið / School of Technology > MEd/MPM/MSc Verkfræðideild (áður Tækni- og verkfræðideild) og íþróttafræðideild -2019 / Department of Engineering (was Dep. of Science and Engineering) >

Vinsamlegast notið þetta auðkenni þegar þið vitnið til verksins eða tengið í það: http://hdl.handle.net/1946/36421

Titill: 
  • Titill er á ensku Forecasting the Icelandic stock market using a neural network
  • Spálíkan fyrir íslenska hlutabréfamarkaðinn með notkun tauganeta
Námsstig: 
  • Meistara
Leiðbeinandi: 
Útdráttur: 
  • Útdráttur er á ensku

    Neural networks have been applied as forecasting models in multiple studies to predict stock prices with promising results. Some of the studies indicate that markets with lower efficiency could have more easily identifiable patterns in their stock data and that the models could be improved by adding additional data. Controversially, the practicality of many models has been questioned due to a lack of statistical methods and arguably the incorrect choice of performance measures such as profit and error. In this research a forecasting model was constructed using a multilayer perceptron, a class of feedforward artificial neural network, with the intention of achieving improved performance by using data from the Icelandic stock market, which is considered small and, potentially, to have low efficiency. Additionally, the stock data was supplemented with volume data and stock prices from other listed companies, in an attempt to achieve better generalization. A new method of measuring performance was established using accuracy and F1-score in combination with benchmarks to give more reliable results. It was observed that the generalization of the stock price data was limited, and that neither volume nor stock price data from other listed companies improved the performance. Indicating that the Icelandic stock market is at least Weak-form efficient or a more advanced neural network is required to identify patterns in the data.

  • Gerðar hafa verið rannsóknir þar sem tauganet eru notuð sem spálíkön fyrir verðþróun hlutabréfa með góðum árangri. Sumar greinar benda til þess að auðveldara sé að finna mynstur á mörkuðum með lægri skilvirkni og að með meiri gögnum væri mögulegt að ná bættum árangri. Hins vegar hafa margar af þessum rannsóknum verið gagnrýndar vegna skorts á
    tölfræðilegum aðferðum og notkun ófullnægjandi árangursmælikvarða eins og hagnaði eða skekkju. Í þessari rannsókn var útbúið spálíkan með marglagskiptu skynjunarneti, sem er undirtegund tauganeta. Reynt var að ná betri árangri með því að nota gögn frá íslenska hlutabréfamarkaðnum
    sem er lítill og mögulega óskilvirkur. Einnig var reynt að auka spágetu
    tauganetsins með því að nota upplýsingar um veltu og þróun hlutabréfaverðs frá öðrum fyrirtækjum.
    Til að minnka óvissu var útfærð ný aðferð við árangursmælingar sem beytti samspili af nákvæmni (i.e. accuracy) og F1-stigi (i.e. F1-score) ásamt viðeigandi árangursviðmiðum.
    Niðurstöður sýndu fram á að spágeta tauganetsins á grunni gagnanna var takmörkuð og hvorki viðbótargögn um veltu né verðþróun annarra hlutabréfa juku árangurinn. Það gefur til kynna að íslenski markaðurinn sé skilvirkur eða að útfæra þurfi enn víðtækara tauganet til að sjá mynstur í gögnunum.
    Efnisorð: Tauganet, spálíkön, íslenski hlutabréfamarkaðurinn, markaðsskilvirkni.

Samþykkt: 
  • 23.6.2020
URI: 
  • http://hdl.handle.net/1946/36421


Skrár
Skráarnafn Stærð AðgangurLýsingSkráartegund 
MSC_OMAR_2020.pdf1.15 MBOpinnHeildartextiPDFSkoða/Opna