Osakekurssien ennustaminen koneoppimisen menetelmillä
Osakemarkkinoiden ennustaminen ja ennustettavuus on ollut polttava kysymys sijoittajien ja tutkijoiden keskuudessa jo vuosikymmeniä. Tekoälyn suosion kasvun myötä koneoppimisen menetelmistä on pyritty löytämään keinoja ennustamiseen. Tässä tutkielmassa tutustutaan osakemarkkinoiden ennustettavuuteen...
| Päätekijä: | |
|---|---|
| Muut tekijät: | , , , , , |
| Aineistotyyppi: | Pro gradu |
| Kieli: | fin |
| Julkaistu: |
2021
|
| Aiheet: | |
| Linkit: | https://jyx.jyu.fi/handle/123456789/78450 |
| Yhteenveto: | Osakemarkkinoiden ennustaminen ja ennustettavuus on ollut polttava kysymys
sijoittajien ja tutkijoiden keskuudessa jo vuosikymmeniä. Tekoälyn suosion kasvun myötä
koneoppimisen menetelmistä on pyritty löytämään keinoja ennustamiseen. Tässä tutkielmassa tutustutaan osakemarkkinoiden ennustettavuuteen liittyvään teoriaan ja toteutetaan vertaileva empiirinen tutkimus ennusteiden välillä, jotka ovat toteutettu tunnetuilla koneoppimisen
menetelmillä. Saatuja tuloksia verrataan naiiviin ennustusmenetelmään ja tulosten pohjalta
pohditaan osakemarkkinoiden ennustettavuutta.
Stock market predictability has been a relevant topic for decades for both investors
and academic researchers. The risen popularity of artificial intelligence has lead to attempts
to forecast stock market using machine learning algorithms. In this thesis, we first familiarize
ourselves with the relevant theory of market predictability and then conduct an empirical test
comparing the performance of forecasts that are made by using known machine learning algorithms. The results are also compared to forecasts using naive forecasting mehtod. Finally
we reflect stock market predictablility based on the results.
|
|---|