Predicted Future - att förutsäga aktiekurser med artificiella neuronnät

Visa enkel post
dc.contributor.authorAxell, Tobias
dc.contributor.authorFärnstrand, Linus
dc.contributor.authorLönnerfors, Niklas
dc.contributor.authorSöderlund, Oscar
dc.contributor.authorBernerskog, Emil
dc.contributor.departmentChalmers tekniska högskola / Institutionen för data- och informationsteknik (Chalmers)sv
dc.contributor.departmentChalmers University of Technology / Department of Computer Science and Engineering (Chalmers)en
dc.date.accessioned2019-07-03T12:52:49Z
dc.date.available2019-07-03T12:52:49Z
dc.date.issued2012
dc.description.abstractOlika modeller har genom åren 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 neuronnät 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.
dc.identifier.urihttps://hdl.handle.net/20.500.12380/159914
dc.language.isoswe
dc.setspec.uppsokTechnology
dc.subjectDatavetenskap (datalogi)
dc.subjectComputer Science
dc.titlePredicted Future - att förutsäga aktiekurser med artificiella neuronnät
dc.type.degreeExamensarbete för kandidatexamensv
dc.type.degreeBachelor Thesisen
dc.type.uppsokM2
Ladda ner
Original bundle
Visar 1 - 1 av 1
Bild (thumbnail)
Namn:
159914.pdf
Storlek:
8.4 MB
Format:
Adobe Portable Document Format
Beskrivning:
Fulltext
Ladda ner
Samling
Examensarbeten för kandidatexamen