Streszczenie:
Praca podejmuje problematykę prognozowania indeksu giełdowego WIG za pomocą sieci
neuronowych. W szczególności porównuje metody statystyczne klasy ARIMA z sieciami
LSTM. Przeprowadzone badania mają na celu zmierzenie efektywności predykcji oraz
porównanie jakości prognoz pochodzących z różnych klas modeli. Oczekiwane jest, iż sieci
neuronowe jako narzędzie nowsze okaże się lepsze jakościowo. Analiza pokazuje, że w
praktyce sieci neuronowe radzą sobie lepiej z tym problemem, co prowadzi do wniosku, że jako
narzędzie nowsze są odpowiedniejsze do tej klasy problemów predykcji danych. Problem jest
ważny z ekonomicznego punktu widzenia, ponieważ indeks WIG jest istotnym wskaźnikiem
dla wielu inwestorów i stanowi punkt wyjścia porównania instrumentów finansowych. Z tego
punktu widzenia jakość prognozy oraz jak największa moc predykcyjna jest istotna.