Išmanių ir klimatui neutralių kompetencijų centras
Išmanių ir klimatui neutralių kompetencijų centro naujienos
Finansų inžinerijos, investavimo vadybos specializacijos magistrės Jovitos Masėnaitės darbas išrinktas geriausiu Lietuvoje
2021-11-22
Finansų inžinerijos, investavimo vadybos specializacijos magistrės Jovitos Masėnaitės darbas išrinktas geriausiu Lietuvoje
Finansų inžinerijos, investavimo vadybos specializacijos magistrės Jovitos Masėnaitės darbas, pavadinimu: "Investuotojų elgsenos tyrimas naudojant dirbtinį intelektą ir klasifikavimo algoritmus" išrinktas geriausiu Lietuvoje, Socialinių mokslų srityje. Darbo vadovė doc. Dr. Nijolė Maknickienė.
Ar dar įmanoma surasi kažką naujo tiriant investavimą?
Finansų inžinerijos, investavimo vadybos specializacijos magistrė Jovita Masėnaitė darbe „Investuotojų elgsenos tyrimas naudojant dirbtinį intelektą ir klasifikavimo algoritmus”, darbo vadovė doc. dr. Nijolė Maknickienė, klasikiniams laiko eilučių metodams pritaikė giliojo mokymosi algoritmą (dirbtinis intelektas) ir sujungė jį su investuotojo elgsenos bei nuomonių socialiniuose tinkluose vertinimo metodais.
Mobiliajame telefone galima rasti daugybę indikatorių, analizatorių, patarėjų – tik išsirink ir taikyk. Sėkmingai investuoti siekiantys žmonės nepasikliauja vien masinės gamybos įrankiais, o ieško mokslu pagrįstų metodų, pritaikytų prie greitų rinkos pokyčių, integruoja naujausias technologijas į investavimo strategijas. Gilusis mokymasis (angl. Deep Learning, DL) yra mašininio mokymosi kryptis, kuri bendroje dirbtinio intelekto (angl. Artificial Intelligence, AI) hierarchijoje yra smulkiausias ir dideliu sudėtingumu pasižymintis mokymosi metodas. Giliojo mokymosi metodo unikali sandara ir struktūra leidžia minėtoms jo savybėms išskirti šį metodą iš daugumos kitų prognozavimo metodų ir padaryti jį vertą dėmesio siekiant numatyti finansų rinkos pokyčius ateityje.
Investuojant ne mažiau svarbu pažinti savo ir kitų rinkos dalyvių elgseną. Investuotojų turimų pozicijų koeficientas (angl. open position ratios) atspindi daugumos ir mažumos nuomones išreikštas konkrečiu veiksmu: pirkimu ar pardavimu. Žinant kaip elgiasi dauguma galima rinktis savo kelią investuojant.
Socialiniame tinkle Twitter vyraujanti teigiama arba neigiama nuomonė apie pasirinktas investavimo priemones atspindi investuotojų aplinkos lūkesčius, kurie gali lemti rinkos pokyčius. Sentimentų įverčius galima gauti naudojant teksto klasifikavimo algoritmus.
Ar dar įmanoma surasi kažką naujo tiriant investavimą?
Finansų inžinerijos, investavimo vadybos specializacijos magistrė Jovita Masėnaitė darbe „Investuotojų elgsenos tyrimas naudojant dirbtinį intelektą ir klasifikavimo algoritmus”, darbo vadovė doc. dr. Nijolė Maknickienė, klasikiniams laiko eilučių metodams pritaikė giliojo mokymosi algoritmą (dirbtinis intelektas) ir sujungė jį su investuotojo elgsenos bei nuomonių socialiniuose tinkluose vertinimo metodais.
Mobiliajame telefone galima rasti daugybę indikatorių, analizatorių, patarėjų – tik išsirink ir taikyk. Sėkmingai investuoti siekiantys žmonės nepasikliauja vien masinės gamybos įrankiais, o ieško mokslu pagrįstų metodų, pritaikytų prie greitų rinkos pokyčių, integruoja naujausias technologijas į investavimo strategijas. Gilusis mokymasis (angl. Deep Learning, DL) yra mašininio mokymosi kryptis, kuri bendroje dirbtinio intelekto (angl. Artificial Intelligence, AI) hierarchijoje yra smulkiausias ir dideliu sudėtingumu pasižymintis mokymosi metodas. Giliojo mokymosi metodo unikali sandara ir struktūra leidžia minėtoms jo savybėms išskirti šį metodą iš daugumos kitų prognozavimo metodų ir padaryti jį vertą dėmesio siekiant numatyti finansų rinkos pokyčius ateityje.
Investuojant ne mažiau svarbu pažinti savo ir kitų rinkos dalyvių elgseną. Investuotojų turimų pozicijų koeficientas (angl. open position ratios) atspindi daugumos ir mažumos nuomones išreikštas konkrečiu veiksmu: pirkimu ar pardavimu. Žinant kaip elgiasi dauguma galima rinktis savo kelią investuojant.
Socialiniame tinkle Twitter vyraujanti teigiama arba neigiama nuomonė apie pasirinktas investavimo priemones atspindi investuotojų aplinkos lūkesčius, kurie gali lemti rinkos pokyčius. Sentimentų įverčius galima gauti naudojant teksto klasifikavimo algoritmus.
