Predikcija vremenskih nizova pomoću talasića i neuralnih mreža sa primenom za predikciju valutnih parova

Abstract

Poslednjih nekoliko decenija svedoci smo ekspanzije računara, računarskih programa i alata koji se koriste u različite svrhe. Postepeno uvođenje modernih tehnologija u sve oblasti ljudskih delatnosti je dovelo do stalnog razvoja i usavršavanja rešenja za različite problematike i neodogvorena pitanja, kao i do povećanja ljudskih “apetita” za kvalitetnijim rezultatima generisanim od strane brzih i jednostavnih programa. Predikcija vremenskih nizova kao posebna vrsta analize istih predstavlja jednu od disciplina koja se poslednjih nekoliko decenija najdinamičnije razvija i menja. Do ovakvog scenarija je došlo zbog isprepletenosti sa mnogim drugim disciplinama, kao što je na primer statistika, korišćena na poseban načini u ovoj disertaciji. Vremenski nizovi su skupovi podataka prisutni svuda oko nas, u različitim sferama ljudskog života, koji prikazuju vrednost neke fizičke veličine ili pojave u vremenu. Neki primeri iz različitih oblasti su brzina vetra, vodostaj reke, aktivnost Zemljine kore, stope nataliteta, EKG podaci, prinosi žitarica, vrednosti deonica itd. U ovoj disertaciji je predmet analize jedan od trenutno najčešće analiziranih vremenskih nizova – finansijski niz, odnosno valutni par. Razlog istraživačkog fokusa na baš ovaj tip podataka jeste popularnost posedovanja znanja o njegovom kretanju u budućnosti – što kod akademskih istraživača čiji je osnovni motiv odgonetanje njegove kompleksnosti, što kod poslovnih analitičara zbog njegove važnosti za funkcionisanje države, ali i svetskih tržišta. Kako su odnosi na svetskim tržištima sve kompleksniji, tako je i problematika predikcije valutnih parova sve teža a alati koji bi poslužili u ove svrhe sve sofisticiraniji i složeniji. Zato danas proces predikcije valutnih parova predstavlja značajan, složen ali i veoma kreativan posao koji iziskuje pre svega pouzdane i relevantne ulazne podatke ali i temeljnu analizu i diferencijaciju parametara arhitekture predikcionih modela koji najviše utiču na konačan ishod. Istraživačima su za zadatke predikcije dostupne mnoge tehnologije, a jedna od najzanimljivijih su veštačke neuralne mreže, moćni alati veštačke inteligencije zasnovani na principima rada ljudskog mozga. U ovoj disertaciji je napravljena analiza neuralanih mreža, date su osnovne definicije i pojmovi, izvršena je njihova klasifikacija a sve u cilju isticanja njihovh prednosti u odnosu na neke druge alate koji se koriste u slične svrhe. Poseban akcenat je stavljen na vrstu neuralnih mreže sa propagacijom unapred, koje se koriste u modelu koji je dizajniran u svrhe predikcije i koje su postigle vrlo dobre performanse za valutne parove kojim se bavi ova disertacija. Pored osnove modela koju čine skupovi neuralnih mreža, u disertaciji je analizirana i posebna vrsta alata, poznatih kao talasići ili vejvleti, koji služe za obradu i što bolju pripremu vremenskih nizova za ulazak u mehanizme neuralnih mreža. Predstavljena je istorija ovih alata, njihovo proizlaženje iz ranije dominantne Furijeove transformacije kao i osnovne definicije. Posebna pažnja je posvećena dvema vrstama transformacija koje su korišćene u istraživanju kao i procesu uklanjanja šuma koji su kao sastavni deo modela pomogli u postizanju boljih performansi. U disertaciji je predložen nov hibridni model za predikciju valutnih parova sastavljen od talasića, neuralnih mreža i osnovnih statističkih parametara. Rešenje je testirano sa realnim podacima tri različita valutna para. Glavni fokus je bio na predikciji vrednosti srpskog dinara u odnosu na evro, ali testirani su i kursevi mađarske forinte kao i britanske funte u odnosu na evro. Na osnovu dizajna modela, kreiran je softverski alat za predikciju u MATLAB-u koji je jednostavan za korisnike i sa dobrim osobinama u pogledu brzine rada i tačnosti predikcije. Osnovni princip rada modela se zasniva na razlaganju odgovarajućeg finansijskog niza u vejvlet reprezentacije koristeći različite nivoe rezolucije. Za svaki od testiranih vremenskih nizova, neuralne mreže su se kreirale, trenirale i kasnije koristile za predikciju. Kako bi se kreirala ukupna predikcija, individualne predikcije su se kombinovale sa statističkim osobinama koje su dobijene od originalnog ulaza. Prilikom testiranja, analizirano je nekoliko različitih scenarija koji su obuhvatali odgovarajuće različite arhitekture i odabir parametara. Svrha procene performansi modela je bila da se na osnovu dobijenih rezultata oceni funkcionisanje hibridnog prediktora kao i da se ukaže na odgovarajuće parametre arhitekture čijim menjanjem može da se utiče na konačan rezultat. Za procene učinka bilo je neophodno izvršavanje velikog broja simulacija, pažljiva posmatranja modela priliko menjanja određenih parametara arhitekture kao i precizna selekcija ulaznih podataka. Odabiranje, količina kao i normalizacija podataka na prvom mestu a onda i parametri arhitekture neuralnih mreža kao što su broj slojeva, skrivenih neurona, segmentacija i vrsta aktivacionih funkcija na drugom mestu su se pokazali kao faktori implementacije čijim setovanjem model može da se manipuliše i kalibriše. Dodatno, ukazano je na osnovne probleme predikcije kao što je nestabilnost rešenja usled određenih slabosti neuralnih mreža ali su i predložena rešenja i smernice u kom bi otklanjanje istih moglo da ide u budućnosti. Osnovni zaključak je da model predstavlja obećavajući adaptivni finansijski prediktor. Naime, sve predstavljene verzije modela kao i rezultati ukazuju na uspeh ovako dizajniranog rešenja ali i otvaraju nove smerove dodatnih istraživanja neophodnih za njegovo dalje usavršavanje u rešavanju problema predikcije. Predložni hibridni prediktor može da posluži kao čvrsta osnova za dalje analize predikcionih modela ovakve prirode kao i pomoćno sredstvo za razvoj novih algoritama koji u okviru sebe sadrže neuralne mreže i talasiće. Dodatno, hibridni model je pokazao veliku prilagodljivost tako da se njegova moć ogleda i u mogućoj primeni na rešavanje problema predikcije i drugih tipova vremenskih nizova, što je tema nekih budućih istraživanja. Na kraju, potrebno je naglasiti i važan informatički doprinos disertacije koji je rezultirao u user-friendly programskom kodu, skalabilnom i adaptivnom na veliki broj primena. Ako se gleda budućnost, ovom disertacijom su iznikle mnoge teme na koje se nestrpljivo čeka ulaganje novih istraživačkih snaga radi generisanje još boljih rezultata.