Predicted Future - att förutsäga aktiekurser med artificiella neuronnät

dc.contributor.authorFärnstrand, Linus
dc.contributor.authorBernerskog, Emil
dc.contributor.authorSöderlund, Oscar
dc.contributor.authorAxell, Tobias
dc.contributor.authorLönnerfors, Niklas
dc.contributor.departmentGöteborgs universitet/Institutionen för data- och informationsteknikswe
dc.contributor.departmentUniversity of Gothenburg/Department of Computer Science and Engineeringeng
dc.date.accessioned2012-08-09T13:31:07Z
dc.date.available2012-08-09T13:31:07Z
dc.date.issued2012-08-09
dc.description.abstractOlika modeller har genom aren tagits fram för att förenkla analys av aktiemarknaden. En relativt ny teknik är så kallade artificiella neuronnät. Dessa modeller har visat sig lovande när det gäller att förutsäga aktiekurser. Projektets syfte är att hitta artificiella neuronnät som ger bra förutsägelser av framtida aktiekurser. Under projektet har ett mjukvarusystem som genererar och tränar artificiella neuronn at av typen feedforward utvecklats för att kunna testa neuronnät med olika indata, struktur och träningsinställningar. För att komma fram till vilka konfigurationer på neuronnäten som ger bra resultat har näten testats genom simulerad aktiehandel där köp- och säljbeslut grundats på neuronnätens förutsägelser. Vi har framställt ett system med funktionalitet för att generera samt utvärdera neuronnät. Med detta har vi även funnit neuronnät som lyckas förutsäga aktiemarknaden, om än under en begränsad period.sv
dc.identifier.urihttp://hdl.handle.net/2077/30083
dc.language.isoswesv
dc.setspec.uppsokTechnology
dc.titlePredicted Future - att förutsäga aktiekurser med artificiella neuronnätsv
dc.typetext
dc.type.degreeStudent essay
dc.type.uppsokM2

Files

Original bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
gupea_2077_30083_1.pdf
Size:
8.4 MB
Format:
Adobe Portable Document Format
Description:

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
876 B
Format:
Item-specific license agreed upon to submission
Description: