Η αναζήτηση επικερδών επενδυτικών επιλογών αποτελεί ένα συνεχές διαχρονικό πρόβλημα. Ο κίνδυνος απώλειας κεφαλαίων ελλοχεύει σχεδόν σε κάθε μορφή επένδυσης. Τον τελευταίο αιώνα έχουν αναπτυχθεί πολλά διαφορετικά επενδυτικά προϊόντα που αφορούν τις εθνικές και διεθνείς χρηματαγορές.
Ένα από τα πλέον δημοφιλή επενδυτικά προϊόντα είναι οι μετοχές των εισηγμένων εταιριών σε χρηματιστηριακές αγορές. Λόγω του σημαντικού και αυξανόμενου ρόλου των μετοχών, τόσο για τους εγχώριους όσο και για τους ξένους επενδυτές, οι μετοχές με ικανοποιητικές αποδόσεις και χαμηλό κίνδυνο έχουν ύψιστη σημασία για τους επενδυτές. Όμως, ο κίνδυνος απώλειας κεφαλαίων στις χρηματιστηριακές επενδύσεις θεωρείται από τους πλέον σημαντικούς, λόγω των συχνών διακυμάνσεων των τιμών. Είναι απαραίτητη η δημιουργία ενός συστήματος το οποίο να προβλέπει τις τιμές των μετοχών και να προμηθεύει τον επενδυτή με ένα σημαντικό ανταγωνιστικό πλεονέκτημα, για να αυξάνει την κερδοφορία της επένδυσής του και παράλληλα να μειώνει την αβεβαιότητα για την πορεία των τιμών και κατ΄ επέκταση τον κίνδυνο απώλειας κεφαλαίων.
Έχουν πραγματοποιηθεί εκτεταμένες έρευνες για την ανάπτυξη συστημάτων πρόβλεψης με τη χρήση συμβατικών αλλά και μοντέρνων μεθοδολογιών. Τα αποτελέσματα των ερευνών αυτών δεν κατάφεραν να λύσουν με ικανοποιητικό τρόπο το πρόβλημα της πρόβλεψης των τιμών των μετοχών. Για το λόγο αυτό στη διεθνή ακαδημαϊκή βιβλιογραφία εμφανίζονται συνεχώς νέα μοντέλα πρόβλεψης. Κύριος λόγος για τα πενιχρά αποτελέσματα στην ακρίβεια των μοντέλων πρόβλεψης είναι η πολυπλοκότητα και η συνεχής δυναμική των χρηματιστηρίων. Καθόσον οι τιμές στα χρηματιστήρια διαμορφώνονται από τις αποφάσεις των επενδυτών, αναπόφευκτα εμπλέκεται και η ψυχολογία των επενδυτών στη διαμόρφωση των τιμών, γεγονός που καθιστά το χρηματιστήριο ακόμα πιο πολύπλοκο σύστημα.
Οι περισσότεροι ερευνητές χρησιμοποιούν χρηματιστήρια ώριμων αγορών για να υπολογίσουν και να εφαρμόσουν τα μοντέλα τους. Ελάχιστες έρευνες έχουν εφαρμογή σε χρηματιστήρια αναπτυσσόμενων αγορών. Στο βιβλίο αυτό επιλέχθηκε το Χρηματιστήριο Αξιών Αθηνών (ΧΑΑ), το οποίο κατατάσσεται στις αναπτυσσόμενες αγορές. Περαιτέρω δοκιμές της προτεινόμενης μεθοδολογίας πραγματοποιήθηκαν για το χρηματιστήριο της Νέας Υόρκης.
Η ανάπτυξη ενός συστήματος πρόβλεψης το οποίο προβλέπει την τιμή ή την τάση των μετοχών ή των δεικτών στα χρηματιστήρια, συνεχίζει να αποτελεί αντικείμενο εκτεταμένων ερευνητικών προσπαθειών. Έχουν αναπτυχθεί διάφορες στρατηγικές, μοντέλα και μεθοδολογίες για την πρόβλεψη της τιμής ή της τάσης μιας μετοχής ή ενός χρηματιστηριακού δείκτη. Συνήθως είναι περισσότερο βολικό να προβλέπεται η τιμή ή η τάση ενός δείκτη παρά μιας μετοχής. Οι λόγοι είναι κυρίως ότι απαιτούνται λιγότερα δεδομένα για να προβλεφθεί ένας δείκτης και επίσης ένας δείκτης παρουσιάζει μικρότερες αυξομειώσεις, επειδή υπολογίζεται ως άθροισμα πολλών επιμέρους μετοχών, και από τη στατιστική είναι γνωστό ότι ο μέσος όρος έχει μικρότερη διασπορά σε σχέση με τα πρωτογενή δεδομένα. Από την άλλη μεριά όμως, οι δείκτες αυτοί, καθώς αποτελούν μέσο όρο δεδομένων για το τι κάνει η αγορά, δεν περιγράφουν την κίνηση της μετοχής, οπότε δίνουν λανθασμένες εντυπώσεις για την απόδοση μιας μεμονωμένης μετοχής. Η αποτελεσματικότητα των δεικτών αυτών εξαρτάται από το ποσοστό της αγοράς που αντιπροσωπεύουν. Συμβαίνει πολύ συχνά, για παράδειγμα, ο γενικός δείκτης του χρηματιστηρίου να είναι ανοδικός και κάποιες μετοχές να είναι καθοδικές και αντιστρόφως.
Για το λόγο αυτό η πρόβλεψη της τιμής ή της τάσης μιας μετοχής είναι η πλέον χρήσιμη πρόβλεψη από πρακτικής πλευράς για τους εμπλεκόμενους στις χρηματιστηριακές αγορές. Οι εκτός δείγματος θετικές προβλέψεις αποτελούν σήμα αγοράς και οι αρνητικές σήμα πώλησης της μετοχής (PesaranandTimmermann, 1992). Το παρόν βιβλίο πραγματεύεται την ανάπτυξη ενός συστήματος πρόβλεψης της τάσης (κατεύθυνσης) της τιμής μιας μετοχής κατά την επόμενη συνεδρίαση στο Χρηματιστήριο Αξιών Αθηνών. Το προτεινόμενο σύστημα γενικεύτηκε και χρησιμοποιήθηκε και σε άλλες μετοχές.
Στο δεύτερο κεφάλαιο παρουσιάζεται μια εισαγωγή στη θεωρία της αποτελεσματικής αγοράς και στην τεχνική ανάλυση. Ακολουθεί εκτενής αναφορά σε έρευνες που έχουν γίνει μέχρι σήμερα για πρόβλεψη στο χρηματιστήριο τόσο με συμβατικές τεχνικές όσο και με μη γραμμικές τεχνικές από το χώρο της εύκαμπτης υπολογιστικής. Συνολικά παρουσιάζονται περίπου 270 σημαντικά άρθρα, τα οποία έχουν επεξεργαστεί σε μορφή πινάκων.
Στο τρίτο κεφάλαιο παρουσιάζεται η θεωρητική ανάλυση της εύκαμπτης υπολογιστικής των νευρωνικών δικτύων, της ασαφούς λογικής και των νευρο-ασαφών συστημάτων.
Στο τέταρτο κεφάλαιο παρουσιάζεται μια θεωρητική προσέγγιση των συστημάτων ελέγχου και των αρχιτεκτονικών ελέγχου. Αναλύονται τα συμβατικά συστήματα ελέγχου, τα νευρωνικά, τα ασαφή και τα νευρο-ασαφή συστήματα ελέγχου. Έμφαση δίνεται στα νευρο-ασαφή επανατροφοδοτούμενα (closedloop) συστήματα ελέγχου. Ακολουθεί η παράθεση των μεθόδων μάθησης των ελεγκτών και των αρχιτεκτονικών ελέγχου.
Στο πέμπτο κεφάλαιο παρουσιάζεται το προτεινόμενο προσαρμοστικό νευρο-ασαφές σύστημα ελέγχου που αναπτύχθηκε για την πρόβλεψη της τάσης μιας μετοχής στην επόμενη συνεδρίαση. Περιγράφεται μαθηματικά η ανάστροφη μάθηση (inverselearning) του νευρο-ασαφούς ελεγκτή και η δομή του. Στη συνέχεια αναπτύσσονται οι κανόνες του ελεγκτή, οι συναρτήσεις συμμετοχής των εισόδων και τα λοιπά χαρακτηριστικά τους. Επίσης, αναλύονται οι μαθηματικοί υπολογισμοί που λαμβάνουν μέρος σε κάθε επίπεδο της αρχιτεκτονικής του ελεγκτή και η μέθοδος μάθησης που χρησιμοποιείται. Ομοίως αναλύεται και το νευρο-ασαφές σύστημα που μοντελοποιεί τη διαδικασία (το μοντέλο του χρηματιστηρίου).
Στο κεφάλαιο έξι πραγματοποιείται η αξιολόγηση του συστήματος και παρουσιάζονται τα αποτελέσματα από την εφαρμογή του προτεινόμενου συστήματος πρόβλεψης στο Χρηματιστήριο Αξιών Αθηνών με δεδομένα της ΕΤΕ και τεσσάρων άλλων μετοχών, καθώς και πέντε μετοχών του χρηματιστηρίου της Νέας Υόρκης. Αναλύονται τα δεδομένα των εισόδων του συστήματος, οι συναρτήσεις συμμετοχής και οι παράμετροι του ελεγκτή και της διαδικασίας και τα μέτρα σφάλματος κατά το στάδιο της εκπαίδευσης και αξιολογείται το σύστημα με ίδια δεδομένα με αυτά της εκπαίδευσης. Ακολουθεί η αξιολόγηση του συστήματος με δεδομένα εκτός του δείγματος εκπαίδευσης (outofsample). Η αξιολόγηση γίνεται με πέντε διαφορετικούς τρόπους: α) με βάση τη στρατηγική διακράτισης, β) με βάση μοντέλα άλλων ερευνητών, γ) με βάση στατιστικά μέτρα μέτρησης του σφάλματος (MSE, RMSE, MAE), δ) με βάση το ποσοστό ακρίβειας πρόβλεψης της κατεύθυνσης της μετοχής και ε) με βάση τη χρηματιστηριακή κρίση της 11ης Σεπτεμβρίου του 2001.
Στο κεφάλαιο επτά παρουσιάζονται τα συμπεράσματα της έρευνας και οι μελλοντικές κατευθύνσεις της έρευνας.
Τέλος, στο κεφάλαιο οκτώ παρουσιάζονται 400 περίπου βιβλιογραφικές αναφορές και ακολουθούν τα παραρτήματα.
Χρήστες: 619
.gif)