Машин сургалтын арга зүйг ашиглан хувьцааны үнийн төсөөллийн загварыг сайжруулах боломж

Abstract

Хувьцааны үнийн өгөөж болон үнэ нь тогтвортой үзүүлэлт биш бөгөөд тухайн зах зээлийн нөхцөл байдлаас хамааран үргэлж өөрчлөгдөж байдаг. Тиймээс хөрөнгө оруулагчийн эрсдэлийг бууруулах, мөн тухайн хөрөнгө оруулалтаас авах өгөөжийг нь нэмэгдүүлэхийн тулд санхүүгийн зуучлагчид үнэт цаасны үнэ дээр шинжилгээ хийж ирээдүйн үнийн таамаглалыг зайлшгүй хийх шаардлагатай болдог. Харин сүүлийн жилүүдэд хийгдсэн хувьцааны үнийн болон валютын ханшийн таамаглалын талаарх судалгаануудад ARIMA, GARCH, SARIMA, VAR, SVAR, панел регресс зэрэг аргуудыг ашигласан байна. Ирээдүйн үнийн таамаглалыг нарийвчлалтай, бодитой хийхийн тулд одоо ашиглаж буй загваруудаас илүү дэвшилтэд загваруудыг ашиглан тодорхой түвшинд сайжруулах шаардлага гарч байна. Тиймээс сүүлийн жилүүдэд дэлхийн нийтийн хэмжээнд яригдах болсон хиймэл оюун ухааны суурь гэж үздэг машин сургалтад суурилан Auto ARIMA, K-nearest neighbors, Long short-term memory зэрэг дэвшилтэд загваруудыг ашиглан нээлттэй компанийн хувьцааны үнийн түүхэн өгөгдөл дээр техник шинжилгээ хийж, хооронд нь харьцуулан боломжит хувилбарыг сонгохоор зорилоо.

Хувьцааны түүхэн өгөгдөл дээр үндэслэн богино хугацааны хувьцааны үнийг урьдчилсан тооцоолохдоо Moving average, Linear regression, ARIMA, KNN, Prophet, LSTM гэсэн 6 загвар ашиглан хийлээ. Эдгээр загваруудаа шинжлэхдээ машин сургалтын аргыг python программ дээр гадаадын хувьцаанаас Dow Jones Industry average-ийн 8634 өгөгдлийг, монголын хувьцаанаас “АПУ” ХК-ийн 4470 өгөгдлийг ажиллууллаа. Харьцуулсан судалгааны ажлын үр дүнд хамгийн бага алдаатай, хувьцааны үнийн трэндийг сайн тодорхойлж байгаа загварыг боломжит хувилбараар сонголоо.