dc.contributor.author |
Grazda, Mateusz |
|
dc.date.accessioned |
2023-01-02T07:57:45Z |
|
dc.date.available |
2023-01-02T07:57:45Z |
|
dc.date.issued |
2023-01-02 |
|
dc.identifier.issn |
2021/M/DS/6 |
|
dc.identifier.uri |
https://repin.pjwstk.edu.pl/xmlui/handle/186319/2044 |
|
dc.description.abstract |
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. |
pl_PL |
dc.language.iso |
other |
pl_PL |
dc.relation.ispartofseries |
;Nr 6266 |
|
dc.subject |
prognozowanie szeregów czasowych |
pl_PL |
dc.subject |
indeks giełdowy |
pl_PL |
dc.subject |
sieci neuronowe |
pl_PL |
dc.subject |
LSTM |
pl_PL |
dc.title |
Prognozowanie indeksu giełdowego WIG za pomocą sieci neuronowych |
pl_PL |
dc.title.alternative |
WIG Stock Market Index Prediction Using Neural Networks |
pl_PL |
dc.type |
Thesis |
pl_PL |