Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Algoritmisk aktiehandel: Ett experiment i att förutsäga aktiemarknaden med hjälp av neurala nätverk
University of Skövde, School of Informatics. 1978.
2019 (Swedish)Independent thesis Basic level (degree of Bachelor), 20 credits / 30 HE creditsStudent thesisAlternative title
Algorithmic stocktrading : An experiment in predicting the stockmarket using neural networks (English)
Abstract [sv]

Ursprungligen fungerade aktier som ett medel för företag att säkerställa finansiering för nya satsningar och investeringar.    Företag ställde ut aktiebrev som investerare köpte och till skillnad mot ett vanligt banklån behövde inte företagen betala tillbaka dessa aktier. Detta säkerställde att de investerar som köpte aktier var tvungna att vara långsiktiga för ett aktieköp kunde vara för livet.

Aktiemarknaden är en marknad där dessa aktier kan handlas mellan investerare. Fördelen med detta är att en investerare kan avbryta sin investering och växla in den i förtid. Nackdelen med aktiemarknaden är att detta innebar att det långsiktiga perspektivet inte längre var nödvändigt för en investerare. För många investerare blev det viktigare hur aktiemarknaden kommer utvecklas ”imorgon” snarare än om företaget hen investerare i gör en lönsam investering på tio års sikt. Koppling till företagens egentliga värde riskerar därmed brytas. Konsekvens av detta är att spekulativa bubblar byggs upp på aktiemarknaden i cykler med efterföljande krascher som medför stora förmögenhetsförluster för vanliga privatpersoner och stora omvälvningar i samhället i stort.

Denna uppsats utforskar möjligheten att använda maskininlärning som ett verktyg för att kunna värdera aktier och förutspå kommande kursrörelser med syfte att hjälp investerare på aktiemarknaden att fatta bättre investeringsbeslut. Den tar avstamp i de datakällor som aktiemarknadsanalytiker använder för att studera denna marknad – det vill säga med hjälp av tekniska och fundamentala data.  Ett system har konstruerats för att dels klassificera bolag med hjälp av algoritmen ”artificiella neurala nätverk” och fundamentala data och dels för att förutsäga kommande dagskurser med hjälp av algoritmen ”Long Short Term Memory network” och tekniska data. Algoritmerna har utvärderats var för sig och som ett gemensamt system genom att simulerad handel utförs på en given test och valideringsperiod. Den hypotes som prövats är att ”att processa fundamentala data genom ett ANN och tekniska data genom ett LSTM kommer genera bra investeringsrekommendationer”. Resultaten som studien genererat har givet som konsekvens att denna hypotes inte har kunnat motbevisas.

Place, publisher, year, edition, pages
2019. , p. 61
Keywords [en]
Neural networks, algorithmic stocktrading, stocks, stock trading, BI, IT, Information Technology
Keywords [sv]
Neurala nätverk, Algoritmisk aktiehandel, Aktier, BI, Business Intelligence, Analytics, IT, Informations teknologi
National Category
Engineering and Technology
Identifiers
URN: urn:nbn:se:his:diva-16992OAI: oai:DiVA.org:his-16992DiVA, id: diva2:1321549
Subject / course
Informationsteknologi
Educational program
Information Systems - Business Intelligence
Presentation
2019-05-29, Vänern, Skövde Högskola, Portalen, Skövde, 09:00 (Swedish)
Supervisors
Examiners
Available from: 2019-06-10 Created: 2019-06-09 Last updated: 2019-06-10Bibliographically approved

Open Access in DiVA

fulltext(1656 kB)25 downloads
File information
File name FULLTEXT01.pdfFile size 1656 kBChecksum SHA-512
72393c59e90b979b4832dc0b88374b6d32611a276375bd05703b15017635065860f257490bf01cbd4847e0424cc27add405c566bc6d4a02e15f1970c909e8973
Type fulltextMimetype application/pdf

Search in DiVA

By author/editor
Mellgren, Henrik
By organisation
School of Informatics
Engineering and Technology

Search outside of DiVA

GoogleGoogle Scholar
Total: 25 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 67 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf