Neurónové siete vo finančnej analýze

Neurónové siete vo finančnej analýze

Neurónová sieť je súhrnný pojem pre skupinu postupov z oblasti umelej inteligencie, z ktorých niektoré sa dajú dobre použiť ako klasifikačné systémy. Neurónové siete sú alternatívou k použitiu diskriminačnej analýzy vo finančnej analýze. Nevyžaduje hlboké matematicko – štatistické vedomosti ani existenciu žiadnych predpokladov. Viacrozmerná diskriminačná analýza naopak predpokladá napr. normálne rozdelenie dhodnôt ukazovateľov, nezávislosť ukazovateľov.

Výhody a nevýhody neurónových sietí

Výhoda neurónových sietí je schopnosť odhaliť nelineárne súvislosti v údajoch a schopnosť učiť sa. Nevýhodou neurónových sietí náročnosť na výpočty, veľmi výkonný počítač. Postup popisuje Zalai v knihe Neurónové siete na str. 97 – princíp LVQ je vysvetlený v porovnaní s rozlišovacou analýzou.

Rozlišovacia analýza

Podniky sú zobrazené bodmi a v ideálnom prípade získame dva zhluky bodov, Prosperujúce podniky tvoria zhluk ležiaci vľavo hore, sú označené ako dobré, nepropserujúce podniky tvoria zhluk ležiaci vpravo dole a sú označené ako zl“. Klasifikáciu podnikov a ich zaradenie do 1 z týchto 2 skupín sa uskutočňuje podľa zistenej rozlišovacej priamky.

LVQ

Namiesto rozlišovacej priamky sa vypočíta pre každý zhluk – stred. Klasifikácia podniku, jeho priradenie do 1 z 2 skupín sa uskutoční na základe jeho vzdialenosti od stredov obidvoch zhlukov. Hodnotený podnik má bližšie k stredu zhluku dobré, ako k zhluku zlé. Význam LVQ narastá najmä pri počte 2 a viacerých zhlukov. Identifikuje sa príslušný počet stredov zhlukov a následne sa uskutoční klasifikácia podnikov.

Princíp neurónových sietí

Neurónové siete predstavujú silný nástroj pre analýzu finančných dát, no ich úspešnosť závisí od správneho výberu architektúry, parametrov učenia a kvality vstupných dát. Dôležité je tiež vzdelávanie používateľov a pochopenie limitácií týchto metód.

Vzhľadom na ich flexibilitu a schopnosť spracovávať zložité vzory sa neurónové siete stávajú čoraz častejším riešením vo finančnej analýze, najmä v oblastiach predikcie, klasifikácie a odhaľovania podvodov.

Na záver je potrebné zdôrazniť, že kombinácia tradičných metód a moderných neurónových sietí často prináša najlepšie výsledky, preto je vhodné pristupovať ku finančnej analýze komplexne a integrovať viacero techník.