Valūtas treidera efektivitāti ietekmējošo faktoru analīze ar nelineāro modeļu palīdzību

Abstract

Bakalaura darba mērķis ir valūtas treidera ieguvuma ietekmējošo faktoru analīze. Tirgošanās rezultāti tika modelēti, izmantojot loģistisko regresiju un mākslīgo neironu tīklu modeļus. Darbā dots ieskats loģistiskās regresijas un neironu tīkla modeļa uzbūvē un parametru novērtēšanas metodēs. Modeļu pielāgošanas gaitā, kā arī prognozēšanas rezultātu izpētē bija secināts, ka neironu tīkli daudz labāk aprakstā treidera ieguvumu. Skaidrojošo mainīgo ietekmes analīze liecina par to, ka nepārtraukti mainīgie, tādi kā vidējais protokolu pārslēdzes skaits, kredītsvira un vidējais instrument skaits, vislielākā mērā ietekmē modeļa darbošanās rezultātu.

Atslēgas vārdi: loģistiskā regresija, mākslīgie neironu tīkli, kļūdu atgriezeniskās izplatīšanās metode, skaidrojošo parametru analīze, valūtas treidera ieguvums

The aim of the Bachelor paper is to analyze the factors affecting the income of a Forex trader. Trading results were modeled using artificial neural networks and logistic regression. The paper gives an overview of the structure of neural networks and logistic regression as well as methods of estimating models parameters. The study of the models’ adjustment and forecasting process led to the conclusion that neural networks are more efficient in modeling a trader’s probability of a gain. The importance analysis of explanatory variables showed that the modeling results are mainly affected by continuous variables, such as the average number of rollovers, leverage and the average number of instruments.

Keywords: logistic regression, artificial neural networks, backpropagation method, importance analysis of explanatory variables, gain probability forecasting