Aikasarja-aineiston ennustaminen neuroverkolla : Tarkastelussa OMXH25-indeksi

Abstract

Pitkään vallinneet teoriat tehokkaista markkinoista ja niiden satunnaiskulusta ovat saaneet vuosien aikana myös kilpailevia teorioita eri tutkimuksiin pohjautuen. Hypoteesit esittävät, että markkinoilla esiintyy epätehokkuuksia ja momentumia. Tällaisia teorioita ovat esimerkiksi tyylitellyt faktat sekä aikasarjan momentum -teoria. Niiden mukaan markkinoiden omilla liikkeillä on yhteys tulevaan ja liike markkinoilla ei ehkä ole niin sattumanvaraista. Tällaiset teoriat avaavat mielenkiintoisen mahdollisuuden tutkia rahoitusmarkkinoiden lainalaisuuksia erilaisin keinoin. Eräs tällainen menetelmä ovat neuroverkot, joilla on kyky analysoida aikasarja-aineistoja sekä epälineaarista dataa.

Tässä pro gradu -tutkielmassa tarkastellaan neuroverkkojen ennustekykyä Suomen markkinoilla, tarkemmin OMXH25-indeksissä, jossa tämänkaltaisia tutkimuksia ei ole juurikaan tehty. Tutkimuksessa haetaan vastauksia kolmeen tutkimuskysymykseen. Minkälainen ennustekyky neuroverkolla on eri aikasarjoilla OMXH25-indeksissä? Onko tutkimuksessa käytettävien neuroverkkomalleilla eroja ennustekyvyssä? Voiko sijoittaja saada hyötyä neuroverkkojen käytöstä? Tutkielmassa käytetään neuroverkkona pitkäkestoista työmuistia. Tutkimus on myös rajattu siltä osin, että käytössä on kolme eri aikasarjaa ja neljä eri neuroverkkomallia, joiden hyperparametrit eroavat hieman toisistaan. Neuroverkkomallien ennustekykyä tullaan myös vertaamaan autoregressiiviseen malliin.

Teoriaosuudessa käsitellään tutkimuksen teoreettinen viitekehys, sisältäen sekä talousteoriat että neuroverkon teorian. Neuroverkoista käsitellään sen toimintaperiaate, rakenne sekä koulutus. Lisäksi tutkielma avaa tarkemmin käytettäviä neuroverkkoja sekä tarjoaa perustelut, miksi juuri kyseinen neuroverkko ja parametrit valikoituivat käyttöön testissä. Tutkielman empiirisessä osiossa käydään läpi aineiston kerääminen ja esikäsittely. Lisäksi empiirinen osio käsittää mallien rakentamisen sekä koulutuksen. Lopuksi esitellään ja analysoidaan tutkimuksesta saatavat tulokset sekä tehdään johtopäätökset tutkimuskysymysten perusteella.

Tulosten pohjalta voitiin sanoa, että neuroverkkojen ennustekyvyillä oli eroja eri aikasarjojen välillä. Mitä pidempi aikasarja oli käytössä, sitä useampi neuroverkkomalli kykeni voittamaan vertailumallin. Tulokset myös osoittivat, ettei tutkimuksessa käytettävien neuroverkkomallien ennustekyvyissä oli eroja erityisesti lyhyemmillä aikasarjoilla. Lisäksi tulosten pohjalta voitiin vetää johtopäätös siitä, ettei neuroverkkojen käytöstä ollut käytännön hyötyä sijoittajalle ennustekyvyn ollessa käytännössä liian heikko kaikissa aineistoissa. Neuroverkko kykeni kuitenkin tunnistamaan aineistoista trendejä, joka avaa mahdollisuuden tutkia neuroverkon käyttöä pidemmän aikavälin kaupassa.