haku: @keyword aikasarja-analyysi / yhteensä: 11
viite: 6 / 11
Tekijä: | Maaranen, Jyrki |
Työn nimi: | Taloudellisten aikasarjojen ennustaminen ja analysointi ohjatut asiantuntijat -neuroverkolla |
Prediction and analysis of financial time series using Gated Experts neural network | |
Julkaisutyyppi: | Diplomityö |
Julkaisuvuosi: | 2010 |
Sivut: | iv + 60 Kieli: fin |
Koulu/Laitos/Osasto: | Informaatio- ja luonnontieteiden tiedekunta |
Oppiaine: | Informaatiotekniikka (T-61) |
Valvoja: | Oja, Erkki |
Ohjaaja: | Kiviluoto, Kimmo |
OEVS: | Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossaOppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa. Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/ Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.
Kirjautuminen asiakaskoneille
Opinnäytteen avaaminen
Opinnäytteen lukeminen
Opinnäytteen tulostus
|
Sijainti: | P1 Ark Aalto 162 | Arkisto |
Avainsanat: | time series analysis neural net financial time series aikasarja-analyysi neuroverkko taloudelliset aikasarjat |
Tiivistelmä (fin): | Tämä työ käsittelee erilaisten talouden tilaa kuvaavien aikasarjojen analysointia ja ennustamista, kun ainoa käytettävissä oleva informaatio on aikasarja itse. Ongelmana on löytää aikasarjoista eri taloustilanteita vastaavat muutokset ja niiden ajankohdat. Tämä tapahtuu jakamalla aikasarjat alueisiin, joille etsitään omat paikalliset mallit ja niiden parametrit. Työssä arvioidaan myös kuinka hyvä malli on tekemään yhden ja useamman askeleen ennusteita taloustilanteen muutoksista ajassa eteenpäin. Työssä selvitetään erilaisten aikasarjojen mallinnukseen käytettyjen menetelmien historiaa ja kehitystä. Samoin käsitellään menetelmän valintaan, informaation laatuun ja datan esikäsittelyyn liittyviä ongelmia ja menetelmiä. Tarkemmin käsitellään menetelmänä käytetty ohjatut asiantuntijat -neuroverkko ja sen soveltaminen tämän työn ongelmaan. Varsinaisena käytännön tutkimuskohteena ovat Finnvera Oyj:n lainatarjousaikasarjat vuosilta 1982 - 1997 kolmelta eri toimialalta. Nämä aikasarjat sisältävät samankaltaisia tapahtumia ja Finnvera Oyj:n toimenpiteitä, kuten esimerkiksi 1980-luvun loppupuolen rahoituksen vapautuminen ja 1990-luvun lama, kuin vuoden 2008 loppupuolella alkanut rahoituskriisi ja taloudellinen taantuma. Työn tuloksista voidaan todeta ohjatut asiantuntijat -neuroverkon pystyvän jakamaan taloudellisia aikasarjoja erilaisia talouselämän tilanteita vastaaviin osiin: voidaan esimerkiksi todeta Finnvera Oyj:n aloittaman suhdannelainojen myöntämisen vaikutus. |
Tiivistelmä (eng): | This thesis studies the problem of analysis and prediction of financial time series when the only information available is the time series itself. The problem is to discover different regimes and times of regime shifting connected to changes in economy. This is achieved by dividing time series into regions and determining local models and their parameters for each subregion. The model's ability to do one-step-ahead and multiple-step-ahead predictions is also considered. The history and development of different methods for analysis and prediction of time series is examined. Also different problems related to choice of model, quality of information and data preprocessing are discussed. The Gated Experts neural net, which is the model used in this thesis, is explored in detail. The practical reseach subjects are the loan time series from Finnvera Oyj. The time span of these series is from 1982 to 1997, so they cover similar events and actions by Finnvera Oyj as the financial crisis which started late 2008. The results are promising: the Gated Experts neural net was able to divide time series into regimes which corresponded to events in economy, e.g. when Finnvera Oyj started to grant counter-cyclical loans. |
ED: | 2010-06-10 |
INSSI tietueen numero: 39787
+ lisää koriin
INSSI