Osakemarkkinoiden ennustaminen koneoppimismenetelmien avulla

Abstract

Tutkielmassa tarkastellaan osakemarkkinoiden analysointia ja ennustamista koneoppimismenetelmien avulla. Osakemarkkinat ovat monimutkaisia ja niihin vaikuttavat lukuisat taloudelliset, poliittiset ja sosiaaliset tekijät, mikä tekee niiden ennustamisesta haastavaa. Perinteiset ennustemenetelmät, kuten tekninen- ja fundamentaalinen analyysi, tarjoavat arvokasta tietoa markkinoiden käyttäytymisestä, mutta niillä ei välttämättä pysty käsittelemään suuria määriä tietoa tehokkaasti. Koneoppiminen tarjoaa uusia mahdollisuuksia analysoida ja ennustaa markkinoiden kehitystä niin monimutkaisista ja hajanaisista tietoaineistoista kuin suurista aikasarjadataseteistä. Tutkielmassa hyödynnetään useita menetelmiä osakemarkkinoiden dynamiikan arvioimiseksi, kuten zero intelligence -mallinnusta, syväoppimista sekä sentimenttianalyysiä. Menetelmien avulla tarkastellaan muun muassa limit order book -aineiston piirteitä, aikasarjojen dynamiikkaa ja tekstipohjaista markkinadataa. Tutkielma tarkastelee myös nykyisten olemassa olevien menetelmien rajoitteita sekä mahdollisia ratkaisuja näiden rajoitteiden ratkaisemiseen.