hu / en

Bareith Tibor és szerzőtársa új tanulmánya megjelent a Pénzügyi Szemlében

 

 

Prediktív modellek teljesítményének vizsgálata Covid-19
és az orosz-ukrán háború időszakában

 

Vancsura László –  Bareith Tibor

Pénzügyi Szemle, évf. 69, szám 2 (2023) , 123–138. o.

 

 

Absztrakt

Tanulmányunkban arra a kérdésre keressük a választ, hogy mennyire hatékonyan lehet a mesterséges intelligencia segítségével előrejelezni a részvénypiaci trendeket a világ vezető részvénypiacain a 2010. 01. 01. és a 2022. 09. 16. közötti időszakban. A Covid-19 és az orosz–ukrán háború erőteljesen éreztette hatását a tőkepiacokon is, ezért egy rendkívül volatilitásintenzív környezetben folyt a vizsgálat. Az elemzés során három időintervallumon két különböző komplexitású gépi tanulási algoritmust (döntési fa, LSTM) és egy parametrikus statisztikai modellt (lineáris regresszió) alkalmaztunk. A kapott eredmények kiértékelését az átlagos abszolút százalékos hiba alapján (MAPE) értékeltük. Tanulmányunkban igazoltuk, hogy a prediktív modellek a kiemelt volatilitású időszakban jobban tudnak teljesíteni, mint a lineáris regresszió. Emellett fontos eredményünk, hogy az orosz–ukrán háborút követő időszakban jobban teljesítettek az előrejelző modellek, mint a Covid-19 kitörése után. Az árfolyam-előrejelzés a fundamentális és technikai elemzések során is fontos szerepet kaphat, beépíthető az algoritmikus kereskedés döntési szempontjai közé, azonban akár önmagában is alkalmas lehet a kereskedés automatizálására.

Kulcsszavak:COVID-19, árfolyam-előrejelzés, mesterséges intelligencia, prediktív algoritmusok

JEL kódok: G17, G11, C45, C53