Paramos sistema investuotojui valiutų rinkoje

Abstract

Disertacijoje nagrinėjamos investavimo valiutų rinkoje, naudojant dirbtinį intelektą, galimybes. Literatūros analizė atskleidė, kad vienu metu pasaulyje formavosi dvi skirtingos mokslinių tyrimų kryptys: universalioji dirbtinio intelekto teorija ir investicijų teorija. Pirmoji kryptis turėjo įtakos universalios prognozės galimybės teorijos atsiradimui, tai lėmė įvairių dirbtinio intelekto algoritmų ir jų sistemų sukūrimą. Antroji kryptis vystėsi kartu su racionalaus numatymo teorija, kuri padėjo pagrindus moderniosios portfelio teorijos atsiradimui. Šiame darbe siekiama susieti šias dvi mokslines kryptis valiutų rinkos prognozavimui. Pagrindinis disertacijos tikslas – sukurti investicinių sprendimų priėmimo paramos sistemą investuotojui valiutų rinkoje tikslingai pritaikant dirbtinio intelekto algoritmus ir moderniąją portfelio teoriją. Darbe sprendžiami pagrindiniai uždaviniai: suformuoti valiutų rinkos prognozavimo modelį dirbtinio intelekto algoritmų pagrindu, integruoti investicinio portfelio optimizavimo principus į prognozavimo modelį, empiriškai aprobuoti modelio efektyvumą ir patikimumą investuojant valiutų rinkoje. Finansų rinkų prognozavimui tikslingai pritaikius dirbtinio intelekto algoritmus ir į juos integravus moderniąją portfelio teoriją, sukurta patikima ir efektyvi paramos sistema investuotojui. Disertaciją sudaro įvadas, trys skyriai, bendrosios išvados, naudotos literatūros ir autoriaus publikacijų sąrašai. Įvadiniame skyriuje aptariama tiriamoji problema, darbo aktualumas, aprašomas tyrimų objektas, formuluojami darbo tikslas ir uždaviniai, aprašoma tyrimų metodika, darbo mokslinis naujumas, darbo praktinė reikšmė, ginamieji teiginiai. Pirmasis skyrius skirtas literatūros analizei, jame pateikti finansų rinkų būties ypatumai, procesų analizė, valdymo ir reguliavimo aspektai globalioje ekonomikoje, prognozavimo dirbtinio intelekto sistemomis analizė bei investicinių portfelių formavimo strategijų analizė. Antrajame skyriuje teikiamos teorinės dirbtinio intelekto sukūrimo prielaidos, Evolino RNN pritaikymo produktyviam sprendimui teoriniai pagrindai, investicinio portfelio teorijos principų taikymo galimybės. Trečiajame skyriuje pateikiama prognozavimo modelių architektūra, įvertinamas jų patikimumas. Atsižvelgiant į pelningumą ir rizikingumą, lyginamos įvairios investavimo strategijos. Disertacijos tema paskelbti 4 straipsniai: 2 – ISI Web of Science žurnaluose, 2 – kituose recenzuojamuose žurnaluose. Perskaityti 9 pranešimai tarptautinėse konferencijose iš jų: 2 – konferencijų medžiagose Thomson ISI Proceedings duomenų bazėje, 7 – recenzuojamose konferencijų medžiagose.