Geneettisesti optimoidut monikerrosneuroverkot - uusi menetelmä kehittyvien talouksien valuuttakriisien ennustamisessa

Show full item record



Permalink

http://hdl.handle.net/10138/11422
Title: Geneettisesti optimoidut monikerrosneuroverkot - uusi menetelmä kehittyvien talouksien valuuttakriisien ennustamisessa
Author: Julkunen, Veli-Pekka
Contributor: University of Helsinki, Faculty of Social Sciences, Department of Political Science
Date: 2006-10-05
Language: fi
URI: http://hdl.handle.net/10138/11422
Thesis level: master's thesis
Abstract: Valuuttakriisit ovat yksi tämän päivän vakavimmista maailmantalouden vakautta uhkaavista ilmiöistä. Vaikka valuuttakriisejä on ollut niin kauan, kun kansainvälistä kauppaa on käyty, ovat niiden lukumäärä lisääntynyt viimeisen 20 vuoden aikana etenkin kehittyvien talouksien kohdalla. Valuuttakriisit, kuten monet muutkin taloudelliset ilmiöt ovat hyvin monimutkaisia ja vaikeasti ymmärrettäviä, jolloin niiden ennustaminen ja niihin johtavien syiden selvittäminen on erittäin vaikeaa. Koska valuuttakriisit johtavat usein reaalitaloudellisiin ongelmiin, on niiden ymmärtämiseen ja ennustamiseen uhrattu valtavasti resursseja. Valuuttakriisien ennustettavuuden paraneminen voisi etenkin sijoittajien kohdalla johtaa suuriin taloudellisiin tuottoihin, ja toisaalta tarkempien ennustemallien perusteella voitaisiin ryhtyä kriisejä ehkäiseviin toimiin jo ennen kuin kriisi edes kerkeäisi puhjeta ja näin kriisiltä saatettaisiin välttyä kokonaan. Tutkielmassa esitellään neuroverkot uutena menetelmänä valuuttakriisien ennustamisessa. Neuroverkkoja on käytetty laajasti mm. tekniikan alalla jo vuosia, mutta taloustieteissä menetelmää on sovellettu suhteellisen vähän. Valitettavasti useissa kansantaloudellisia ilmiöitä käsitelleissä tutkimuksissa, joissa neuroverkkojen tehokkuutta on vertailtu perinteisiin menetelmiin, on ollut selkeitä puutteita. Tällöin ei ole ollut mahdollista sanoa onko neurolaskennasta taloustieteiden alalla todellista hyötyä. Tutkielman tarkoituksena onkin selvittää, voiko neuroverkkomallien avulla päästä tarkempiin ennustetuloksiin kuin niin sanotuilla perinteisillä menetelmillä (joita tutkielmassa edustavat erilaiset logit-mallit) kehittyvien talouksien valuuttakriisien ennustamisesssa. Lisäksi tutkielmassa esitellään menetelmiä, joiden avulla eri mallien toimintaa yritetään tehostaa. Perinteisien mallien ennustetarkkuutta yritetään parantaa erilaisin muuttujamuunnoksin ja neuroverkkomallien toiminnan tehostamiseksi käytetään puolestaan geneettisten algoritmien nimellä tunnettuja optimointimenetelmiä sekä kehittyneempiä estimointialgoritmeja. Saatujen tutkimustulosten perusteella voidaan todeta, että neuroverkkomalleilla voidaan päästä merkittävästi parempiin tuloksiin kuin ilman muuttujamuunnoksin estimoiduilla logit-malleilla. Toisaalta muuttujamuunnoksilla pystyttiin logit-mallien ennustetarkkuutta parantamaan selvästi, jolloin perinteisten- ja neuroverkkomallien välinen ero ennustetarkkuudessa oli lopulta suhteellisen pieni. Tärkeimmät lähteet: HASSOUN, M. (1995): Fundamentals of artificial neural networks. The MIT press, Cambridge. KOMULAINEN, T. – LUKKARILA, J. (2003): What drives financiel crises in emerging markets? Emerging markets review, 4, 248–272. BISHOP, C. (1995): Neural networks for pattern recognition. Clarendon press, Oxford.
Description: Endast sammandrag. Inbundna avhandlingar kan sökas i Helka-databasen (http://www.helsinki.fi/helka). Elektroniska kopior av avhandlingar finns antingen öppet på nätet eller endast tillgängliga i bibliotekets avhandlingsterminaler.Only abstract. Paper copies of master’s theses are listed in the Helka database (http://www.helsinki.fi/helka). Electronic copies of master’s theses are either available as open access or only on thesis terminals in the Helsinki University Library.Vain tiivistelmä. Sidottujen gradujen saatavuuden voit tarkistaa Helka-tietokannasta (http://www.helsinki.fi/helka). Digitaaliset gradut voivat olla luettavissa avoimesti verkossa tai rajoitetusti kirjaston opinnäytekioskeilla.
Subject: valuuttakriisit
ennustaminen
neuroverkot
geneettiset algoritmit
logit-mallit


Files in this item

Total number of downloads: Loading...

Files Size Format View
abstract.pdf 49.15Kb PDF View/Open

This item appears in the following Collection(s)

Show full item record