Ta witryna wykorzystuje cookies. Więcej informacji można znaleźć na stronie Polityka dotycząca cookies i podobnych technologii. ZAMKNIJ Zamknij ostrzeżenie dotyczące cookies

Kamil Żbikowski obronił pracę doktorską

K. Żbikowski

W dniu 12 czerwca 2017 roku Kamil Żbikowski obronił rozprawę doktorską pt. "Konstrukcja funkcji kary dla klasyfikatorów SVM w automatycznych strategiach inwestycyjnych ". Promotorem rozprawy był prof. dr hab. inż. Mieczysław Muraszkiewicz.

Abstract:
This thesis is dedicated to the problem of machine learning algorithms applications to the area of financial time series prediction.
A new formula for constructing a penalty function that varies over time was proposed. It was used then to create an upgraded Support Vector Machine classifier. The idea of coupling penalty function and the underlying times series is motivated by the specific characteristics of financial time series. Its distribution, expected value and variance change over time. These properties directly cause difficulties in static analysis of classifications errors. Much more robust techniques should be applied.
Analysis of such data requires a dedicated computational system that would allow to adequately test the proposed classifier with the use of walk forward analysis method. Such a system was developed for the purpose of verification of the hypothesis presented in the presented thesis.
Experiments that were conducted showed that the results of short-term trends predictions with the use of proposed penalty function are better than with the use of plain penalty function . The statistical significance of the results was verified. The penalty function was then used for the purpose of constructing trading strategy. The data used for the experiments consisted of US stock and bitcoin quotations. Experiments show significant improvement in terms of the annual rate of return and the risk measured by the maximal drawdown over the test period.

Streszczenie:
Niniejsza praca poświęcona została aplikacyjnym zastosowaniom metod uczenia maszynowego w kontekście analizy finansowych szeregów czasowych.
W pracy tej zaproponowana została nowa konstrukcja zmiennej w czasie funkcji kary oraz oparty na niej klasyfikator bazujący na Maszynie Wektorów Nośnych. Propozycja uzależnienia wartości funkcji kary od parametrów bazowego szeregu motywowana jest specyfiką finansowych szeregów czasowych. Charakteryzują się one zmienną w czasie wartością oczekiwaną oraz wariancją, która posiada własność grupowania. Sprawia to, iż stosowanie statycznej oceny błędu klasyfikacji wydaje się intuicyjnie nie być najskuteczniejszą metodą.
Analiza tego rodzaju danych wymaga konstrukcji specjalnego systemu informatycznego, który pozwoli na adekwatne testowanie proponowanego klasyfikatora metodą testowania kroczącego. System taki został przygotowany na potrzeby weryfikacji postawionej w niniejszej pracy hipotezy.
Przeprowadzona analiza pokazała, iż wyniki predykcji krótkoterminowych trendów rynkowych z użyciem proponowanej funkcji kary są statystycznie istotnie lepsze niż z użyciem funkcji bazowej. Proponowaną funkcję kary wykorzystano w algorytmie tworzącym strategię inwestycyjną. Testy zostały przeprowadzone z użyciem danych kwotowań akcji amerykańskich oraz waluty bitcoin. Eksperymenty wskazują na znaczącą poprawę wyników w zakresie stopy zwrotu oraz ryzyka mierzonego maksymalnym procentowym spadkiem w okresie testowania.

Ostatnia modyfikacja: czwartek, 10 maja 2018, 15:28:44, Bożenna Skalska

x x Aktualności (9) - wg daty publikacji

‹‹ Maj 2018 ››
Pon Wt Śr Czw Pt So N
  1 2 3 4 5 6
7 8 9 10 11 12 13
14 15 16 17 18 19 20
21 22 23 24 25 26 27
28 29 30 31