Σύστημα πρόβλεψης της τάσης της τιμής της μετοχής
στην επόμενη συνεδρίαση του Χρηματιστηρίου
Ένα μοντέλο πρόβλεψης της τάσης της τιμής μιας μετοχής την επόμενη συνεδρίαση το οποίο δημιουργήθηκε με το συνδυασμό ασαφούς λογικής, νευρωνικών δικτύων και της τεχνικής του ανάστροφου ελέγχου (inverse control) σε ένα προσαρμοστικό νεύρο – ασαφές σύστημα ελέγχου, το οποίο αποτελείται από το μοντέλο του ελεγκτή και το μοντέλο της διαδικασίας (μοντέλο χρηματιστηρίου), τα οποία εκπαιδεύονται ταυτόχρονα να εκτελούν διαφορετικές εργασίες παρουσιάζει το βιβλίο των: Ατσαλάκη Γιώργο – Βαλαβάνη Κίμων – Ζοπουνίδη Κωνσταντίνο «Τεχνικές Χρηματιστηριακών Προβλέψεων». Το σύστημα πρόβλεψης ονομάζεται PATSOS.
O ελεγκτής αναπαριστάνεται από ένα νεύρο-ασαφές μοντέλο, το οποίο αναπτύσσεται με βάση την αρχιτεκτονική του ανάστροφου ελέγχου (inverse control) και εκπαιδεύεται, ώστε να παράγει ενέργειες ελέγχου που οδηγούν τη διαδικασία (το μοντέλο του χρηματιστηρίου) σε μία επιθυμητή τροχιά. Ως επιθυμητή τροχιά ορίζεται η κατεύθυνση της τιμής της μετοχής. Η διαδικασία (το χρηματιστήριο) αναπαριστάνεται από ένα νεύρο-ασαφές μοντέλο, το οποίο εκπαιδεύεται, για να προβλέπει την έξοδο της διαδικασίας ένα βήμα μπροστά, δηλαδή να προβλέπει την κατεύθυνση της τιμής της μετοχής στην επόμενη συνεδρίαση.
Στο βιβλίο αυτό επιλέχθηκε το Χρηματιστήριο Αξιών Αθηνών (ΧΑΑ), το οποίο κατατάσσεται στις αναπτυσσόμενες αγορές. Περαιτέρω δοκιμές της προτεινόμενης μεθοδολογίας πραγματοποιήθηκαν για το χρηματιστήριο της Νέας Υόρκης.
Τα αποτελέσματα του προτεινόμενου συστήματος είναι από τα υψηλότερα που έχουν καταγραφεί στη διεθνή βιβλιογραφία, όσον αφορά την πρόβλεψη της τάσης μιας μετοχής κατά την επόμενη συνεδρίαση, καθώς προβλέπει την κατεύθυνση της μετοχής της ΕΤΕ με ποσοστό ακρίβειας 68,33%, έναντι 59% του αμέσως επόμενου ποσοστού που αναφέρεται στη διεθνή βιβλιογραφία. Το ποσοστό αυτό δίνει 215% (68.33/31,77) περισσότερες πιθανότητες για επικερδείς συναλλαγές σε σχέση με συναλλαγές που δημιουργούν απώλειες. Ο μέσος όρος όλων των δοκιμών δίνει ποσοστό ακρίβειας 63.33%.
Το προτεινόμενο σύστημα δίνει πολύ ικανοποιητική απόδοση του κεφαλαίου, καθώς αυξάνει το ποσοστό απόδοσης του επενδυμένου κεφαλαίου στη μετοχή της ΕΤΕ περισσότερο από 8 φορές (κατά 867,44%) σε σχέση με τη στρατηγική αγοράς και διακράτησης της μετοχής.
Επίσης το σύστημα δοκιμάστηκε κατά την περίοδο της χρηματιστηριακής κρίσης της 11ης Σεπτεμβρίου 2001. Οι προβλέψεις αφορούν την περίοδο 12/9/2001 έως 28/9/2001. Το ποσοστό ακρίβειας της πρόβλεψης της τάσης της μετοχής της ΕΤΕ ανήλθε στο 69.23%. Η απόδοση του επενδυμένου κεφαλαίου ανέρχεται στο 3,07% έναντι απωλειών 19,58% που καταγράφει η στρατηγική αγορά και διακράτηση της μετοχής το συγκεκριμένο χρονικό διάστημα.
Διάρθρωση του βιβλίου
Στο δεύτερο κεφάλαιο παρουσιάζεται μια εισαγωγή στη θεωρία της αποτελεσματικής αγοράς και στην τεχνική ανάλυση. Ακολουθεί εκτενής αναφορά σε έρευνες που έχουν γίνει μέχρι σήμερα για πρόβλεψη στο χρηματιστήριο τόσο με συμβατικές τεχνικές όσο και με μη γραμμικές τεχνικές από το χώρο της εύκαμπτης υπολογιστικής. Συνολικά παρουσιάζονται περίπου 270 σημαντικά άρθρα, τα οποία έχουν επεξεργαστεί σε μορφή πινάκων.
Στο τρίτο κεφάλαιο παρουσιάζεται η θεωρητική ανάλυση της εύκαμπτης υπολογιστικής των νευρωνικών δικτύων, της ασαφούς λογικής και των νευρο-ασαφών συστημάτων.
Στο τέταρτο κεφάλαιο παρουσιάζεται μια θεωρητική προσέγγιση των συστημάτων ελέγχου και των αρχιτεκτονικών ελέγχου. Αναλύονται τα συμβατικά συστήματα ελέγχου, τα νευρωνικά, τα ασαφή και τα νεύρο-ασαφή συστήματα ελέγχου. Έμφαση δίνεται στα νεύρο-ασαφή επανατροφοδοτούμενα (closed loop) συστήματα ελέγχου. Ακολουθεί η παράθεση των μεθόδων μάθησης των ελεγκτών και των αρχιτεκτονικών ελέγχου.
Στο πέμπτο κεφάλαιο παρουσιάζεται το προτεινόμενο προσαρμοστικό νεύρο-ασαφές σύστημα ελέγχου που αναπτύχθηκε για την πρόβλεψη της τάσης μιας μετοχής στην επόμενη συνεδρίαση. Περιγράφεται μαθηματικά η ανάστροφη μάθηση (inverse learning) του νεύρο-ασαφούς ελεγκτή και η δομή του. Στη συνέχεια αναπτύσσονται οι κανόνες του ελεγκτή, οι συναρτήσεις συμμετοχής των εισόδων και τα λοιπά χαρακτηριστικά τους. Επίσης, αναλύονται οι μαθηματικοί υπολογισμοί που λαμβάνουν μέρος σε κάθε επίπεδο της αρχιτεκτονικής του ελεγκτή και η μέθοδος μάθησης που χρησιμοποιείται. Ομοίως αναλύεται και το νεύρο-ασαφές σύστημα που μοντελοποιεί τη διαδικασία (το μοντέλο του χρηματιστηρίου).
Στο κεφάλαιο έξι πραγματοποιείται η αξιολόγηση του συστήματος και παρουσιάζονται τα αποτελέσματα από την εφαρμογή του προτεινόμενου συστήματος πρόβλεψης στο Χρηματιστήριο Αξιών Αθηνών με δεδομένα της ΕΤΕ και τεσσάρων άλλων μετοχών, καθώς και πέντε μετοχών του χρηματιστηρίου της Νέας Υόρκης.
Στο κεφάλαιο επτά παρουσιάζονται τα συμπεράσματα της έρευνας και οι μελλοντικές κατευθύνσεις της έρευνας.
Τέλος, στο κεφάλαιο οκτώ παρουσιάζονται 400 περίπου βιβλιογραφικές αναφορές και ακολουθούν τα παραρτήματα.
Πηγή 10ο Τεύχος Ην-Ων