Πρόβλεψη της τάσης της χρηματιστηριακής αγοράς με χρήση νευρο-ασαφών μεθόδωνΠρόβλεψη της τάσης της χρηματιστηριακής αγοράς με χρήση νευρο-ασαφών μεθόδωνForecasting the stock market trend using a neuro-fuzzy approach (ANFIS) Μεταπτυχιακή Διατριβή Master Thesis 2020-02-272020elΗ πρόβλεψη της τάσης των τιμών των μετοχών ή/και χρηματιστηριακών δεικτών είναι σίγουρα ένα από τα πιο σημαντικά θέματα του κλάδου των χρηματοοικονομικών και έχει καταστεί μία από τις σοβαρές ανησυχίες των επενδυτών και των μετόχων, καθώς οι ακριβείς και αυθεντικές προβλέψεις της τάσης τους έχουν ελκυστικά οφέλη και κερδοφόρα πλεονεκτήματα και ανακριβείς και αναξιόπιστες προβλέψεις μπορούν να έχουν ανεπανόρθωτες συνέπειες . Ως εκ τούτου, είναι σημαντικό να παρέχεται ένα ακριβές και αποτελεσματικό μοντέλο για την πρόβλεψη τους. Η δεδομένη δυσκολία που προκύπτει είναι το γεγονός ότι πως η μεταβλητότητα της αγοράς, η οποία είναι μη-γραμμική, πρέπει να συμπεριληφθεί στα μοντέλα πρόβλεψης ενώ ομοίως παράγοντες όπως η πολυπλοκότητα και το θορυβώδες περιβάλλον της αγοράς πρέπει να εισαχθούν σε αυτά. Σκοπός της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη ενός συνολικού προσαρμοστικού νευρο-ασαφούς συστήματος που αποτελείται από έναν ελεγκτή (Adaptive Neuro-Fuzzy Inference System – ANFIS), για την πρόβλεψη με όσο το δυνατόν πιο ακριβή τρόπο της τάσης της χρηματιστηριακής αγοράς της επόμενης ημέρας χρησιμοποιώντας ιστορικά δεδομένα για τις τιμές κλεισίματος των μετοχών. Η προσέγγιση μας, που βασίζεται στο ANFIS, είναι δικαιολογημένη λόγω της αβεβαιότητας και της πολυπλοκότητας των χρηματιστηριακών αγορών που απαιτούν ανάμειξη της ανθρώπινης εμπειρογνωμοσύνης και των μαθηματικών μοντέλων, προσαρμογή στις αλλαγές και ενσωμάτωση διαφόρων παραγόντων στην πρόβλεψη των τιμών των μετοχών. Το προσαρμοστικό νευρο-ασαφές σύστημα προσφέρει μια βιώσιμη εναλλακτική λύση για την καταγραφή της συμπεριφοράς της χρηματιστηριακής αγοράς: τα νευρωνικά δίκτυα χρησιμοποιούνται για να αναγνωρίζουν τα πρότυπα και να προσαρμόζονται για να αντιμετωπίζουν τα μεταβαλλόμενα περιβάλλοντα. Τα ασαφή συστήματα χρησιμοποιούνται για να ενσωματώνουν την ανθρώπινη γνώση, εκτελούν συμπεράσματα και βοηθούν στη λήψη αποφάσεων. Η ενσωμάτωση αυτών των δύο με ορισμένες τεχνικές βελτιστοποίησης χωρίς παράγωγα οδηγεί σε προσεγγίσεις βασισμένες σε νευρο-ασαφείς και «απαλές» υπολογιστικές μεθόδους. Στην παρούσα έρευνα η χρηματιστηριακή αγορά που χρησιμοποιείται είναι το Ελληνικό Χρηματιστήριο. Predicting stock prices or/and indices trend is certainly one of the most important issues in the financial sector and has become one of the major concerns of investors and shareholders, as accurate and authentic forecasts of stock prices or/and indices trend have attractive benefits and profitability advantages while inaccurate and unreliable forecasts can have irreparable consequences. Therefore, it is important to provide an accurate and efficient model for their prediction. The given difficulty is that market volatility, which is non-linear, must be included in forecasting models while factors such as complexity and noisy market environment must be incorporated into them. The purpose of this thesis is to develop a comprehensive Adaptive Neuro-Fuzzy Inference System (ANFIS) for predicting the next day's stock market general index trend as accurately as possible from historical data on stock closing prices. Our approach, based on ANFIS, is justified by the uncertainty and complexity of stock markets that require the mixing of human expertise and mathematical models, adapting to changes and integrating various factors into stock price forecasts. The adaptive neuro-fuzzy system offers a viable alternative to recording stock market behavior: neural networks are used to identify patterns and adapt to meet changing environments and fuzzy systems are used to integrate human knowledge and to perform inference and decision making. The integration of these two with some derivative-free optimization techniques leads to neuro-fuzzy and soft computing based approaches. In the present study the stock market used is the Athens Stock Exchange (ASE). http://creativecommons.org/licenses/by-nc-nd/4.0/Πολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και ΔιοίκησηςVlachos_Stavros_MSc_2020.pdfChania [Greece]Library of TUC2020-02-26application/pdf2.0 MBfree Vlachos Stavros Βλαχος Σταυρος Atsalakis Georgios Ατσαλακης Γεωργιος Tsafarakis Stelios Τσαφαρακης Στελιος Zopounidis Konstantinos Ζοπουνιδης Κωνσταντινος Πολυτεχνείο Κρήτης Technical University of Crete Stock market trend Stock market prediction Fuzzy sets Neural networks ANFIS