Valūtu kursu prognozēšana ar atgriezenisko izplatīšanās algoritmu

Abstract

Bakalaura darbā ir apskatīti mākslīgie neironi un mākslīgo neironu tīklu arhitektūra (topoloģija). Ir aprakstīts atgriezeniskais izplatīšanās algoritms, kā arī ir izvestas formulas sešiem neironu tīklu modeļiem un vispārīgajam gadījumam. Ar šiem modeļiem ir prognozēti seši valūtu kursi, un prognožu precizitāte tiek salīdzināta ar ARIMA modeļu prognozēšanas precizitāti. Darba ietvaros ir uzprogrammēts tīkls Matlab un R vidē. Darbā arī tiek veikti eksperimenti, lai noskaidrotu, kādi parametri ir jāizvēlas, lai ar attiecīgo modeli varētu prognozēt attiecīgos valūtu kursus. Darba mērķis ir izveidot mākslīgo neironu tīklu, kas tiek apmācīts ar atgriezenisko izplatīšanās algoritmu, kas prognozētu precīzāk kā ARIMA modelis.

The themes covered in this bachelor thesis are artificial neurons and artificial neural network topology. The thesis also covers backpropagation algorithm, and calculated formulas for six modules. Six exchange rates are forecast using these modules and the results are compared with the ARIMA module. As a part of this thesis a neural network in both Matlab and R environments was programmed. Experiments were also carried out to find out what parameters have to be chosen so that a specific module can forecast a specific exchange rate. The goal of this thesis is to create a neural network, which is powered by backpropagation algorithm, which could forecast more precisely than an ARIMA module.