Näytä suppeat kuvailutiedot

dc.contributor.advisorMäkinen, Raino
dc.contributor.authorLeskinen, Jarre
dc.date.accessioned2021-09-14T07:05:05Z
dc.date.available2021-09-14T07:05:05Z
dc.date.issued2021
dc.identifier.urihttps://jyx.jyu.fi/handle/123456789/77792
dc.description.abstractTutkielma käsittelee tukivektorikoneen luokitteluongelman valinnan merkitystä osakemarkkinoiden ennustamisessa. Aikaisempia tutkimuksia erilaisista luokitteluongelmista on vähän, mikä nostaa esille tarpeen tämän aiheen tutkimisen. Uutta keskihajontasuhteutettua luokitteluongelmaa verrataan aikaisemmissa tutkimuksissa suosittuun seuraavan päivän suuntaa ennustavaan luokitteluongelmaan. Tukivektorikoneiden ominaisuudet valitaan aikaisempien tutkimusten perusteella ja niiden tarkkuutta verrataan toisiinsa sekä vertailuindeksinä käytettävään DAX-osakeindeksiin. Ennustemalleista muodostetaan aktiivisia kaupankäyntistrategioita, joita analysoidaan taustatestaamalla käyttäen historiallista kurssidataa. Tulokset osoittavat uuden keskihajontasuhteutetun luokitteluongelman johtavan huomattavasti parempiin tuloksiin sekä korostavan tarvetta jatkotutkimuksille erilaisista luokitteluongelmista.fi
dc.description.abstractThis thesis examines the impact of support vector machine's classification problem selection on stock market forecasting. Previous research on different types of classification problems has been minimal which raises the need for research on this topic. A new standard deviation adjusted classification problem is compared against a popular next day's direction forecasting classification problem. The feature engineering for the support vector machines is based on previous research and they are compared against each other as well as the benchmark stock market index DAX. The forecasting models are used to form active trading strategies that are analysed with backtesting using historical price data. The results demonstrate that the new standard deviation adjusted classification problem produces significantly better results and highlight the need for further studies on different types of classification problems.en
dc.format.extent58
dc.format.mimetypeapplication/pdf
dc.language.isofi
dc.subject.othertukivektorikone
dc.titleTukivektorikoneen luokitteluongelman valinnan merkitys osakemarkkinoiden ennustamisessa
dc.identifier.urnURN:NBN:fi:jyu-202109144873
dc.type.ontasotPro gradu -tutkielmafi
dc.type.ontasotMaster’s thesisen
dc.contributor.tiedekuntaInformaatioteknologian tiedekuntafi
dc.contributor.tiedekuntaFaculty of Information Technologyen
dc.contributor.laitosInformaatioteknologiafi
dc.contributor.laitosInformation Technologyen
dc.contributor.yliopistoJyväskylän yliopistofi
dc.contributor.yliopistoUniversity of Jyväskyläen
dc.contributor.oppiaineTietotekniikkafi
dc.contributor.oppiaineMathematical Information Technologyen
dc.rights.copyrightJulkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.fi
dc.rights.copyrightThis publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.en
dc.type.publicationmasterThesis
dc.contributor.oppiainekoodi602
dc.subject.ysoarvopaperimarkkinat
dc.subject.ysoosakkeet
dc.subject.ysokoneoppiminen
dc.subject.ysovolatiliteetti
dc.format.contentfulltext
dc.type.okmG2


Aineistoon kuuluvat tiedostot

Thumbnail

Aineisto kuuluu seuraaviin kokoelmiin

Näytä suppeat kuvailutiedot