Pörssikurssien aikasarja-analyysi ja ennustemallit

Abstract

Aikasarja-analyysi on tarjonnut systemaattisen tavan tarkastella aikasarjadataa ja havainnollistaa trendejä ja kausivaihteluita. Pörssidata soveltui erinomaisesti tähän tarkoitukseen, koska se tarjosi päivittäistä dataa yli 10 vuoden edestä. Opinnäytetyön tavoitteena oli luoda raportti aikasarja-analyysiin ja ennustemalleihin käytetyistä menetelmistä JAMK AI&DA-projektiopetuksen kehittämistä varten. Opinnäytetyössä tarkasteltiin S&P 500-indeksin sisältämien yrityksien osakkeiden aikasarjadataa ja luotiin datalle ennustemalleja, joita arvioitiin. Aikasarja-analyysissa siistittiin aineiston data ja visualisoitiin yrityksiä sektoreittain. Ennustemallien arviointiin käytettiin virheiden suhteellisia ja absoluuttisia menetelmiä, joiden avulla mallien ennusteita oli mahdollista vertailla objektiivisesti. Opinnäytetyössä selvitettiin aikasarjadatan esikäsittelyn, visualisoinnin ja ryhmittämisen vaiheet. Seuraavaksi tutkittiin, miten siistittyä aikasarjadataa voidaan käyttää ennustemallien kanssa ja miten malleja luodaan eri aikaväleille. Opinnäytetyön aikana myös tarkasteltiin tehtyjä toimenpiteitä ja korjattiin niitä, jos ongelmia havaittiin. Opinnäytetyön tuloksena oli raportti, joka käsittelee aikasarja-analyysiin tarvittavia toimenpiteitä, ennustemallien luontia pörssidatalle eri aikaväleille sekä trendien että kausivaihteluiden havainnollistamista. Opinnäytetyössä käytetyt toimenpiteet ja havainnot toimivat hyvänä pohjana AI&DA-projektiopetuksen kehitystyössä. Opinnäytetyö toimii myös johdatteluna aihepiiriin ja selittää logiikan toimenpiteiden takana. Opinnäytetyön lopussa todettiin, että suoritettu aikasarja-analyysi ja ennustemallit tuottivat kattavan kokonaisuuden pörssidatan tarkasteluun ja ennustamiseen. Vaikka opinnäytetyössä ei käsitelty aivan kaikkia ennustemalleihin liittyviä toimenpiteitä syvällisesti, mallit onnistuivat ennustamaan aikavälin laajemman trendin.