Název:
Může LSTM neuronová síť vylepšit predikční schopnosti faktorových modelů pro evropský trh?
Překlad názvu:
Does LSTM neural network improve factor models' predictions of the European stock market?
Autoři:
Zelenka, Jiří ; Baruník, Jozef (vedoucí práce) ; Čech, František (oponent) Typ dokumentu: Diplomové práce
Rok:
2021
Jazyk:
eng
Abstrakt: [eng][cze] This thesis wants to explore the forecasting potential of the multi-factor models to predict excess returns of the aggregated portfolio of the European stock mar- ket. These factors provided by Fama and French and Carhart are well-known in the field of asset pricing, we also add several financial and macroeconomic factors according to the literature. We establish a benchmark model of ARIMA and we compare the forecasting errors of OLS and the LSTM neural networks. Both models take the lagged excess returns and the inputs. We measure the performance with the root mean square error and mean absolute error. The results suggest that neural networks are in this particular task capable of bet- ter predictions given the same input as OLS but their forecasting error is not significantly lower according to the Diebold-Mariano test. JEL Classification C45, C53, C61, E37, G11, G15 Keywords Stocks, European market, Neural networks, LSTM, Factor Models, Fama-French, Predic- tions, RMSE Title Does LSTM neural network improve factor mod- els' predictions of the European stock market?Tato práce chce prozkoumat schopnost multifaktorových modelů předpovídat výši rizikové preémie evropského akciového trhu. Tyto faktory, které poskytují Fama a French a Carhart jsou velmi známé v oblasti oceňování aktiv, autor dále přidává další finanční a makroekonomické faktory. Jako základní měřítko použijeme ARIMA modely a poté porovnáváme chybu přepdovědi u OLS a LSTM neuronových sítí. Oba tyto modely mají jako vstupy minulé výnosy. Měříme jejich výkonnost pomocí RMSE (odmocnina ze střední kvadratické chyby) a MAE (střední absolutní chyba). Výsledky potvrzují, že neuronové sítě jsou v tomto konkrétním případě schopné lepších predikcí při použití ste- jných vstupů jako OLS ale jejich chyba předpovědi není významně menší podle Diebold-Mariano testu. Klasifikace JEL C45, C53, C61, E37, G11, G15 Klíčová slova Akcie, Evropský trh, Neuronové sítě, LSTM, Faktorové modely, Fama-French, Predikce, RMSE Název práce Může LSTM neuronová síť vylepšit predikční schopnosti faktorových modelů pro evropský trh?
Klíčová slova:
Akcie; Evropský trh; Faktorové modely; Fama-French; LSTM; Neuronové sítě; Predikce; RMSE; European market; Factor Models; Fama-French; LSTM; Neural networks; Predictions; RMSE; Stocks