Using Artificial Neural Networks to Predict Stock Prices

Abstract

Artificial neural networks constitute one of the most developed conception of artificial intelligence. They are based on pragmatic mathematical theories adopted to tasks resolution. A wide range of their applications also includes financial investments issues. The reason for NN's popularity is mainly connected with their ability to solve complex or not well recognized computational tasks, efficiency in finding solutions as well as the possibility of learning based on patterns or without them. They find applications particularly in forecasting stock prices on financial markets. The paper presents the problem of using artificial neural networks to predict stock prices on the example of the Warsaw Stock Exchange. It considers the general framework of neural networks, their potential and limitations as well as problems faced by researcher meets while using neural networks in prediction process.

Sztuczne sieci neuronowe stanowią jedną z najbardziej rozwiniętych gałęzi sztucznej inteligencji. Oparte są na pragmatycznych koncepcjach matematycznych dostosowywanych do rozwiązywanego zadania. Szeroki obszar zastosowań tych struktur obejmuje również zagadnienia szeroko rozumianych inwestycji finansowych. Przyczyn popularności należy upatrywać głównie w możliwości rozwiązywania skomplikowanych lub niezbyt dobrze rozpoznanych problemów obliczeniowych, sprawności znajdowania rozwiązań oraz możliwości uczenia się na podstawie wzorców lub bez nich. W szczególności sztuczne sieci neuronowe znajdują swoje zastosowanie w problemach predykcji cen papierów wartościowych na rynkach finansowych. Artykuł przedstawia problematykę zastosowania sieci neuronowych do prognozowania cen akcji na Giełdzie Papierów Wartościowych w Warszawie. Ukazuje ogólną koncepcję sieci neuronowych, ich możliwości, ograniczenia oraz problemy, jakie stają przed badaczem w momencie ich wykorzystania w procesie prognozowania.