Syväoppimismenetelmien käyttö osakekurssien ennustamisessa

Abstract

Tämän kandidaatintutkielman aiheena on syväoppimismenetelmien käytettävyys osakekursseja ennustaessa. Tutkielma toteutetaan kirjallisuuskatsauksena. Aineistossa on painotettu tieteellisiä julkaisuja, joissa syväoppimismenetelmien käyttöä osakekurssien ennustamisessa on tutkittu empiirisesti. Tutkielmassa käsitellään lisäksi lyhyesti osakekurssien toimintaa sekä tehokkaiden markkinoiden teoriaa. Lisäksi tutkielmassa on huomioitu syväoppimismenetelmiä yksinkertaisemmat aikasarja-analyysin menetelmät. Syväoppimisen ja tekoälyn menetelmät ovat kehittyneet viime vuosina nopeasti. Tavat ennustaa osakemarkkinoiden liikkeitä ovat aina kiinnostaneet niin piensijoittajia kuin institutionaalisia sijoittajia, sillä ennusteiden onnistuessa sijoittajat voivat saavuttaa taloudellista hyötyä. Tutkielman tavoitteena on selvittää, voidaanko moderneja syväoppimismenetelmiä hyödyntämällä saavuttaa yleisindeksejä parempia tuottoja, ja millä syväoppimismenetelmällä saavutetaan parhaita tuloksia. Tutkielman tuloksista voidaan todeta, että syväoppimismenetelmiä käyttämällä on useissa tilanteissa mahdollista saavuttaa parempia tuottoja kuin yleisindekseihin sijoittamalla. Aineistojen välillä on ristiriitoja siitä, mikä menetelmistä suoriutuu parhaiten. Voidaan kuitenkin todeta, että enemmän tietoa huomioonottavat mallit suoriutuvat yksinkertaisempia malleja paremmin. Sijoitusstrategiasta riippumatta sijoittamisen riskejä on hyvin hankala määritellä, sillä osakemarkkinoiden luonteeseen kuuluu niiden ennalta-arvaamattomuus. Tulosten perusteella ei siis voida todeta, että syväoppimismenetelmiä käyttämällä pystyisi joka tilanteessa saavuttamaan parempia tuottoja kuin yleisindekseihin sijoittamalla.