Login for students

Login for employees

Publication detail

Learning Interval-Valued Fuzzy Cognitive Maps with PSO Algorithm for Abnormal Stock Return Prediction
Authors: Hájek Petr | Procházka Ondřej
Year: 2017
Type of publication: článek ve sborníku
Name of source: Theory and Practice of Natural Computing
Publisher name: Springer
Place: Heidelberg
Page from-to: 113-125
Titles:
Language Name Abstract Keywords
cze Učení intervalově ohodnocených fuzzy kognitivních map algoritmem PSO pro predikci abnormálních akciových výnosů Predikce výnosů akcií je v oblasti financí považována za náročnou úlohu. Existence inherentního šumu a kolísání denních výnosů cen akcií vyžaduje velmi komplexní predikční systém. Generalizace fuzzy systémů ukazují slibné výsledky vzhledem k jejich schopnosti modelovat silnou nejistotu na dynamických finančních trzích. Finanční proměnné jsou navíc obvykle v obtížně interpretovatelných kauzálních vztazích. Abychom překonali tyto problémy, navrhujeme zde intervalovou fuzzy kognitivní mapu s učením pomocí PSO algoritmu. Tento systém je vhodný pro modelování komplexních nelineárních problémů pomocí kauzálního usuzování. Jako vstupy systému spojujeme kauzálně propojené finanční ukazatele a jazykové proměnné, které jsou získávány z diskuse managementu ve výročních zprávách. Ukazujeme, že navrhovaná metoda je účinná pro predikci abnormálního výnosu akcií. Navíc prokazujeme, že tato metoda překonává fuzzy kognitivní mapy a adaptivní systémy založené na neuro-fuzzy pravidlech s PSO učením. Akciový trh; Intervalově ohodnocená fuzzy kognitivní mapa; Algoritmus PSO; Abnormální výnos akcií
eng Learning Interval-Valued Fuzzy Cognitive Maps with PSO Algorithm for Abnormal Stock Return Prediction Stock return prediction is considered a challenging task in financial domain. The existence of inherent noise and volatility in daily stock price returns requires a highly complex prediction system. Generalizations of fuzzy systems have shown promising results for this task owing to their ability to handle strong uncertainty in dynamic financial markets. Moreover, financial variables are usually in difficult to interpret causal relationships. To overcome these problems, here we propose an interval-valued fuzzy cognitive map with PSO algorithm learning. This system is suitable for modelling complex nonlinear problems through causal reasoning. As the inputs of the system, we combine causally connected financial indicators and linguistic variables extracted from management discussion in annual reports. Here we show that the proposed method is effective for predicting abnormal stock return. In addition, we demonstrate that this method outperforms fuzzy cognitive maps and adaptive neuro-fuzzy rule-based systems with PSO learning. Stock market; Interval-valued fuzzy cognitive map; PSO algorithm; Abnormal stock return

Map

en.mapy.cz

Services

Popular Links

© 2023 University of Pardubice, Studentská 95, 532 10 Pardubice 2
Phone: +420 466 036 111, 466 036 112, 466 036 113
Webmaster, RSS
Data box ID: f5vj9hu
Accessibility Statement
CC BY-NC-ND 4.0Creative CommonsAttributionNonCommercialNoDerivatives