Koneoppiminen sijoittajan työkaluna : eri tekniikoiden vertailu Suomen osakemarkkinoilla

Abstract

Osakesijoittamisen suosio on kasvanut viime vuosina. Sijoittajan kannalta on tärkeää ymmärtää eri osakkeisiin sijoittamisen riskit ja tuotto-odotukset. Timo Rautio tutki opinnäytetyössään koneoppimisen ja klusterointitekniikoiden soveltamista osakevalinnoissa Suomen osakemarkkinoilla. Aineistona käytettiin suomalaisten pörssiyritysten taloudellisia tunnuslukuja. Menetelmänä hyödynnettiin ohjaamattoman oppimisen ryhmittelytekniikoita, kuten K-Means, hierarkinen klusterointi ja Gaussian Mixture Model. Päätuloksena havaittiin, että hierarkinen klusterointi suoritui parhaiten. Klusterointia ei voi suoraan käyttää sijoittamisen työkaluna, mutta työn tulokset tarjoavat pohjan jatkokehittämiselle ja ovat mielenkiintoisia myös sijoittajan näkökulmasta.