ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟΣΧΟΛΗ ΝΑΥΠΗΓΩΝ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ
ΠΕΡΙΟΧΗ ΘΑΛΑΣΣΙΩΝ ΜΕΤΑΦΟΡΩΝ
«Στρατηγική Διαπραγμάτευσης Ναυτιλιακών Παραγώγων με Χρήση Τεχνητών Νευρωνικών
Δικτύων»
ΑΘΗΝΑ 2008
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
«Είναι πολύ καλύτερο το να προβλέπει κανείς χωρίς βεβαιότητα από το να μην προβλέπει καθόλου»
Ηenri Poincare
ΣΥΝΟΨΗ
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 2
Ανάπτυξη αυτοματοποιημένου μοντέλου πρόβλεψης ικανό να συμβουλεύει προς ασφαλείς και κερδοφόρες κινήσεις στην αγορά των Ναυτιλιακών Παραγώγων
Σκοπός:
Στόχος:
Διεξαγωγή συμπερασμάτων για τη χρήση ΤΝΔ στην πρόβλεψη οικονομικών μεγεθών και αξιολόγηση αυτών
Δομή: • Παρουσίαση Ναυτιλιακών Παραγώγων και Τεχνητών
Νευρωνικών Δικτύων• Σχεδίαση και παραμετροποίηση μοντέλου• Αξιολόγηση παραγόμενων αποτελεσμάτων (Πρόβλεψης)
Spot: Η φυσική (πραγματική) αγορά, στην οποία οι συναλλαγές εκκαθαρίζονται αμέσως
Ενεργητικό: Το οποιοδήποτε περιουσιακό στοιχείο (φυσικό ή χρηματοοικονομικό) το οποίο διαπραγματεύεται στη
Spot αγορά και υποκαθιστάται από παράγωγα στην αγορά παραγώγων
Αρνητική θέση (Short position)
Θέση short ή αρνητική λαμβάνει ο διαπραγματευτής που συμφωνεί να πουλήσει κάποιο αγαθό (φυσικό ή χρηματοοικονομικό)
Θετική θέση (Long position)
Θέση long ή θετική λαμβάνει ο διαπραγματευτής που συμφωνεί να αγοράσει κάποιο αγαθό (φυσικό ή χρηματοοικονομικό)
Ορολογία
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 3
“Χρηματοοικονομικές αξίες των οποίων η τιμή παράγεται από την πραγματική τιμή των ενεργητικών στα οποία βασίζονται, είτε αυτά είναι χρηματοοικονομικά ή φυσικά”
Παράγωγα μέσα
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 4
Ορισμός:
• Αποτελούν οικονομική συμφωνία μεταξύ δύο μερών (αντισυμβαλλόμενοι), ανταλλαγής ενεργητικού στο μέλλον
• Δε συνιστούν περιουσιακό στοιχείο από μόνα τους• Αποσκοπούν στην αποτελεσματική διαχείριση του
περιουσιακού στοιχείου που αντιπροσωπεύουν• Συνεισφέρουν θετικά στη σταθερότητα και εξέλιξη της
αγοράς
Τεχνητά Νευρωνικά Δίκτυα
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 5
“Οποιοδήποτε τεχνολογικό σύστημα επεξεργασίας πληροφοριών εμπνευσμένο από μελέτες του ανθρώπινου εγκεφάλου και νευρικού συστήματος”
Ορισμός:
Βιολογικοί Νευρώνες
Δενδρίτες Πυρήνας
Νευρώνας A
Σύναψη
Νευρίτης
Πυρήνας
Νευρώνας B• Εισαγωγή πληροφορίας από Δενδρίτες
• Επεξεργασία στο Σώμα (πυρήνας)
• Εξαγωγή από τους Νευρίτες• Ρύθμιση στη Σύναψη• Εισαγωγή σε νέο νευρώνα
Λειτουργίες
Τεχνητός Νευρώνας
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 6
X 1
X 2
X 3
X n
.........
Σ Xi Wi
Σ :θ N
YN
ΒάρηWi :
ΑθροιστήςXi : ΣτοιχείαΕισόδου
f : ΣυνάρτησηΕνεργοποίησης
YΝ : ΣτοιχείοΕξόδου
f
W
W
W
W
1
2
3
n
θΝ : Κατώφλι
1. Εισαγωγή Δεδομένων Χi
2. Πολ/σμος με βάρος Wi
3. Φιλτράρισμα από το Κατώφλι θΝ
4. Ενεργοποίηση Αθροιστή
5. Εφαρμογή Συνάρτησης Ενεργοποίησης
6. Εξαγωγή νέας πληροφορίας στο περιβάλλον ή προς άλλους νευρώνες
Παράλληλη λειτουργία νευρώνων
Δομή Νευρωνικών Δικτύων
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 7
• Πλήρης Διασύνδεση (Full Connection)• Μερική Διασύνδεση (Partial
Connection)
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
......
ΠΛΗΡΟΦΟΡΙΕΣ ΕΙΣΟΔΟΥ
ΠΛΗΡΟΦΟΡΙΕΣ ΕΞΟΔΟΥ
ΣΤΡΩΜΑΕΞΟΔΟΥ
ΣΤΡΩΜΑΕΙΣΟΔΟΥ
ΕΝΔΙΑΜΕΣΟ ΣΤΡΩΜΑ
Επικοινωνία ΝευρώνωνΔιαχωρισμός Στρωμάτων
• Στρώμα Εισόδου (Input Layer)• Ενδιάμεσα (κρυφά) Στρώματα
(Hidden Layers)• Στρώμα Εξόδου (Output Layer)
Τα δεδομένα επεξεργάζονται στους νευρώνες όλων των στρωμάτων ταυτόχρονα
Εκπαίδευση
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 8
ΣΧΕΔΙΑΣΤΗΣ
ΔΙΚΤΥΟ
1. Αρχική διέγερση από το περιβάλλον και εφαρμογή βαρών
2. Σύγκριση παρηγμένων αποτελεσμάτων με επιθυμητά
3. Επαναπροσδιορισμός βαρών και επανάληψη της διαδικασίας
1. Ορισμός του προβλήματος και της μορφής των Επιθυμητών Αποτελεσμάτων (Desired Outputs)
2. Συλλογή δεδομένων Εισόδου βάσει συσχέτισης με τα Επιθυμητά Αποτελέσματα
3. Διαχωρισμός των δεδομένων σε
4. Επιλογή και παραμετροποίηση ΤΝΔ
• Δεδομένα Εκπαίδευσης (Training Data)• Δεδομένα Αξιολόγησης (Testing Data)• Δεδομένα Επίβλεψης (Cross Validation Data)
Βασικά Χαρακτηριστικά
Δίκτυα Πολλαπλών Στρωμάτων (MLP)
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 9
• Μη γραμμικές Συναρτήσεις Ενεργοποίησης• Περιέχουν ένα ή περισσότερα Κρυμμένα Στρώματα• Μεγάλη διάρκεια Εκπαίδευσης• Μεγάλο εύρος δεδομένων
Τμηματικά (Modular) MLP
• Είδος ΜLP• Συνθέτονται από παράλληλα συνδεδεμένα MLPs• Πλήρης αλληλεξάρτηση μεταξύ των Στρωμάτων• Καμία επικοινωνία μεταξύ των νευρώνων
παράλληλων τμημάτων
Η ανακατανομή των Βαρών γίνεται μέσω του αλγορίθμου Αντίστροφης Διάδοσης
(Back Propagation)
Μοντελοποίηση ΤΝΔ
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 10
Ρυθμίζονται οι ακόλουθες παράμετροι:
Επιλογή Μοντέλου
Τοπολογία
Ρυθμός Εκμάθησης
Αριθμός Εποχών
Κριτήριο Επίβλεψης
Εξαρτάται από:– Είδος του προβλήματος– Μορφή των δεδομένων και αποτελεσμάτων– Ύπαρξη Γραμμικότητας
– Αριθμός Στρωμάτων– Διασύνδεση Στρωμάτων– Πλήθος νευρώνων
– Ορίζει το μέγεθος της διόρθωσης που εφαρμόζεται στα βάρη– Μεγάλος Ρ.Ε. → Επιτάχυνση Εκπαίδευσης
– Ορίζει τις ανακυκλώσεις βαρών που λαμβάνουν μέρος
– Minimum– Incremental– Increase
Η διαδρομή Ρ2Α
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 11
7000
11000
15000
19000
23000
27000
31000
35000
39000
43000
47000
51000
55000
59000
63000
67000
71000
Ma
y 20
02
July
200
2
Se
p 20
02
Nov
200
2
Jan
2003
Ma
r 2
003
Ma
y 20
03
July
200
3
Se
p 20
03
Nov
200
3
Jan
2004
Ma
r 2
004
Ma
y 20
04
July
200
4
Se
p 20
04
Nov
200
4
Jan
2005
Ma
r 2
005
Ma
y 20
05
July
200
5
Se
p 20
05
Nov
200
5
Jan
2006
Ma
r 2
006
Ma
y 20
06
July
200
6
Se
p 20
06
Nov
200
6
Jan
2007
Ma
r 2
007
Ma
y 20
07
July
200
7
7000
11000
15000
19000
23000
27000
31000
35000
39000
43000
47000
51000
55000
59000
63000
67000
71000
P2A T/C Skaw Gibraltar - Far East
$/d
ay
Διακύμανση τιμών των ναύλων από 01/05/2002 έως και 31/07/2007
Baltic Standard Vessel74000 mt DWT89000 cbm grain
Καλάθι διαδρομών BPI
Ανήκει στο:
Αναφέρεται σε:
Διακύμανση Spot - Futures
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 12
7000
11000
15000
19000
23000
27000
31000
35000
39000
43000
47000
51000
55000
59000
63000
67000
71000
May
200
2
July
200
2
Sep
200
2
Nov
200
2
Jan
2003
Mar
200
3
May
200
3
July
200
3
Sep
200
3
Nov
200
3
Jan
2004
Mar
200
4
May
200
4
July
200
4
Sep
200
4
Nov
200
4
Jan
2005
Mar
200
5
May
200
5
July
200
5
Sep
200
5
Nov
200
5
Jan
2006
Mar
200
6
May
200
6
July
200
6
Sep
200
6
Nov
200
6
Jan
2007
Mar
200
7
May
200
7
July
200
7
7000
11000
15000
19000
23000
27000
31000
35000
39000
43000
47000
51000
55000
59000
63000
67000
71000
P2A T/C Skaw Gibraltar - Far East
$/d
ay
Spot (monthly avg)Future (1 month fwd - expiration day)
7000
11000
15000
19000
23000
27000
31000
35000
39000
43000
47000
51000
55000
59000
63000
67000
71000
May
200
2
July
200
2
Sep
200
2
Nov
200
2
Jan
2003
Mar
200
3
May
200
3
July
200
3
Sep
200
3
Nov
200
3
Jan
2004
Mar
200
4
May
200
4
July
200
4
Sep
200
4
Nov
200
4
Jan
2005
Mar
200
5
May
200
5
July
200
5
Sep
200
5
Nov
200
5
Jan
2006
Mar
200
6
May
200
6
July
200
6
Sep
200
6
Nov
200
6
Jan
2007
Mar
200
7
May
200
7
July
200
7
7000
11000
15000
19000
23000
27000
31000
35000
39000
43000
47000
51000
55000
59000
63000
67000
71000
P2A T/C Skaw Gibraltar - Far East
$/d
ay
Spot Future (1 month fwd)
Διακύμανση ημερήσιων τιμών των ναύλων (Spot prices)
Διακύμανση ημερήσιων τιμών των συμβολαίων(Future prices)
Τα Futures εκτιμούν καθημερινά τομέσο όρο των Spot του επόμενου μήνα
Διακύμανση μηνιαίων τιμών των ναύλων (Spot Avg prices)
Διακύμανση ημερήσιων τιμών των συμβολαίων(Future prices), κατά την ημέρα εκκαθάρισης
Επιθυμητή Πρόβλεψη
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 13
Ma
y 20
02
July
200
2
Se
p 2
002
Nov
200
2
Jan
200
3
Mar
200
3
Ma
y 20
03
July
200
3
Se
p 2
003
Nov
200
3
Jan
200
4
Mar
200
4
Ma
y 20
04
July
200
4
Se
p 2
004
Nov
200
4
Jan
200
5
Mar
200
5
Ma
y 20
05
July
200
5
Se
p 2
005
Nov
200
5
Jan
200
6
Mar
200
6
Ma
y 20
06
July
200
6
Se
p 2
006
Nov
200
6
Jan
200
7
Mar
200
7
Ma
y 20
07
July
200
7
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
Desired Output
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
Λόγος ΕκκαθάρισηςSPOTavg (next month)
FUTURE (present day)= • Λ.Ε. Εκκαθάρισης > 1
Ι. Αγορά Future Συμβολαίων
• Λ.Ε. Εκκαθάρισης < 1
Ι. Πώληση Future Συμβολαίων
Κατά τη διενέργεια του Hedge, ο πλοιοκτήτης πουλάει futures, ενώ ο ναυλωτής αγοράζει
ΙΙ. Ενεργοποίηση Ηedging από ναυλωτή
ΙΙ. Ενεργοποίηση Ηedging από πλοιοκτήτη
Συγκέντρωση δεδομένων Εκπαίδευσης
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 14
...και να αναφέρονται στις ημέρες συνεδρίασης του Χρηματιστηρίου Παραγώγων
1. Διασύνδεση δεδομένων (58 χρονοσειρές)
Τα δεδομένα πρέπει να είναι διαθέσιμα σε
ημερήσια μορφή...
2. Υπολογισμός Συσχέτισης τους με χρονοσειρά των Ναύλων (Spots)
Αξιοποίηση πληροφοριών
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 15
TIMESERIES ID Cor.coef.
6 Month Timecharter Rate 70/72,000 dwt Bulkcarrier X1 0.985
Panamax 73K Bulkcarrier 5 Year Old Secondhand Prices X2 0.862
Panamax 72K Bulkcarrier 10 Year Old Secondhand Prices X3 0.855
Panamax 69K DWT 15 Year Old Secondhand Prices X4 0.861
75K DWT Panamax Bulkcarrier Newbuilding Prices X5 0.778
Panamax Bulker Contracting DWT X6 0.453
Panamax Bulker Orderbook DWT X7 0.770
Panamax Bulkcarrier Deliveries DWT X8 0.260
Panamax Bulkcarrier Fleet Development DWT X9 0.528
Panamax Bulkcarrier Demolition Number X10 -0.555
Panamax Bulker Scrap Value X11 0.724
Panamax Bulker Sales $ Million X12 0.663
World FT/S&P World ($) X13 0.363
Panamax, 1980s-built, Average Spot Earnings X14 0.970
LIBOR Interest Rates X15 0.325
USA Interest Rates X16 0.320
SSY Australian coal port Congestion X17 0.800
Panamax 70k $/cgt X18 0.611
Exchange Rates SDR (usd) X19 0.799
– Επιλέγονται 19 χρονοσειρές δεδομένων ως καταλληλότερες να εκπαιδεύσουν το ΤΝΔ
– Δημιουργία νέων χρονοσειρών Mi :
Μi = f (ΣΧj ) , i = 1,2,…n
j=1
19
Οι χρονοσειρές Μ παράγονται από επεξεργασία των Χ
1ο ΣΤΑΔΙΟ
2ο ΣΤΑΔΙΟ
Επιλογή μεταβλητών Εκπαίδευσης
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 16
• Βάσει συσχέτισης με Λ.Ε.
2. Συσχέτιση μεταξύ 2 μεταβλητών Μi : < 0.800 1. Συσχέτιση μεταξύ Μi και Λ.Ε.: > 2/√N
• Βάσει αξιολόγησης δοκιμαστικών δικτύων ως προς:
1. Ποσοστό Ορθών Προβλέψεων (Ικανότητα Γενίκευσης) → > 50 %2. Μεγέθη Σφάλματος Πρόβλεψης → MSE < 0.033. Αφομοίωση εκπαιδευτικών στοιχείων (Γνώση)
Γνώση: Το συνολικό εύρος των δεδομένων εκπαίδευσης και οι συσχετίσεις που αυτά μεταφέρουν
Γενίκευση: Η ικανότητα του ΤΝΔ να εφαρμόζει τη γνώση του σε νέες συνθήκες
Μέσο Τετραγωνικό Σφάλμα:
Σ et 2
t=1
N
1
NΜSE =
Δομή Δοκιμαστικών δικτύων
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 17
.
.
.
.
.
.
.
ΑΝΩ ΤΜΗΜΑ
.
.
.
.
.
.
.
ΚΑΤΩ ΤΜΗΜΑ
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
ΣΤΡΩΜΑΕΙΣΟΔΟΥ
ΚΡΥΜΜΕΝΟ ΣΤΡΩΜΑ I
ΚΡΥΜΜΕΝΟ ΣΤΡΩΜΑ II
ΣΤΡΩΜΑΕΞΟΔΟΥ
ΑΝΩ ΤΜΗΜΑ
ΚΑΤΩ ΤΜΗΜΑ
• Τύπος Δικτύου: Μodular• Αριθμός Στρωμάτων: 4• Συν. Ενεργοποίησης: tanh• Κριτίριο Επίβλεψης: Increase
Οι υπόλοιπες παράμετροι ρυθμίζονται μέσω γενετικών αλγορίθμων βελτιστοποίησης (Genetic Optimization)
• Εποχές / χρωμόσωμα: 1000• Χρωμοσώματα / γενιά: 50• Γενιές εκπαίδευσης: 100
Κατηγοριοποίηση στοιχείων
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 18
CROSS VALIDATION
3
DATA SETΗΜΕΡΟΜΗΝΙΑ ΑΡΙΘΜΟΕ
ΚΕΛΙΟΥ ΠΟΣΟΣΤΟ
ΑΠΟ ΕΩΣ ΑΠΟ ΕΩΣ %
TRAINING 01/05/2002 30/06/2006 1 1016 69.15
TESTING 03/07/2006 31/07/2007 1017 1274 20.17
CROSS VALIDATION - - - - 10.67
Ma
y 2
00
2
July
20
02
Se
p 2
00
2
No
v 20
02
Jan
20
03
Ma
r 2
00
3
Ma
y 2
00
3
July
20
03
Se
p 2
00
3
No
v 20
03
Jan
20
04
Ma
r 2
00
4
Ma
y 2
00
4
July
20
04
Se
p 2
00
4
No
v 20
04
Jan
20
05
Ma
r 2
00
5
Ma
y 2
00
5
July
20
05
Se
p 2
00
5
No
v 20
05
Jan
20
06
Ma
r 2
00
6
Ma
y 2
00
6
July
20
06
Se
p 2
00
6
No
v 20
06
Jan
20
07
Ma
r 2
00
7
Ma
y 2
00
7
July
20
07
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
DATA RANGETesting DataTraining Data
Cross Validation Data
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
Τα δεδομένα CV διαμοιράζονται σε όλο το εύρος δεδομένων για συνολική επίβλεψη
Τα δεδομένα αξιολόγησης παραμένουν άγνωστα στο δίκτυο μέχρι το πέρας της εκπαίδευσης
Ποσοστά Επιτυχίας Πρόβλεψης
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 19
TEST 1
TEST 3
TEST 2
TEST 4
TEST 6
TEST 8
TEST 9
TEST 10
TEST 11
TEST 12
TEST 13
TEST 14
TEST 15
TEST 16
TEST 17
TEST 18
TEST 19
TEST 20
TEST 21
TEST 22
TEST 23
TEST 24
TEST 25
TEST 26
TEST 27
TEST 28
TEST 29
TEST 7
TEST 5
TEST 1
TEST 3
TEST 2
TEST 4
TEST 6
TEST 8
TEST 9
TEST 10
TEST 11
TEST 12
TEST 13
TEST 14
TEST 15
TEST 16
TEST 17
TEST 18
TEST 19
TEST 20
TEST 21
TEST 22
TEST 23
TEST 24
TEST 25
TEST 26
TEST 27
TEST 28
TEST 29
TEST 7
TEST 5
July
20
06
Se
p 2
006
Nov
200
6
Jan
200
7
Mar
200
7
May
200
7
July
20
07
Au
g 2
006
Oct
200
6
Dec
200
6
Feb
200
7
Ap
r 20
07
Jun
e 20
07
Au
g 2
007
July
20
06
Se
p 2
006
Nov
200
6
Jan
200
7
Mar
200
7
May
200
7
July
20
07
Au
g 2
006
Oct
200
6
Dec
200
6
Feb
200
7
Ap
r 20
07
Jun
e 20
07
Au
g 2
007
10 20 30 40 50 60 70 80 90 1000
(% Percentage)
10 20 30 40 50 60 70 80 90 1000
(% Percentage)
Αριθμός δοκιμών: 29
ΔΟΚΙΜΗ MSE ΔΟΚΙΜΗ MSE
Test1 0.1373 Test16 0.0423
Test2 0.0501 Test17 0.0350
Test3 0.0464 Test18 0.0323
Test4 0.0567 Test19 0.0160
Test5 0.0316 Test20 0.0322
Test6 0.0247 Test21 0.0828
Test7 0.0371 Test22 0.0728
Test8 0.0683 Test23 0.0244
Test9 0.0220 Test24 0.0248
Test10 0.0226 Test25 0.0525
Test11 0.0172 Test26 0.0487
Test12 0.0353 Test27 0.0662
Test13 0.0221 Test28 0.0519
Test14 0.0384 Test29 0.0180
Test15 0.0252 - -
Κατάταξη βάσει Ποσοστού Επιτυχίας
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 20
1020
3040
5060
7080
9010
00
(% P
erce
ntag
e)
TE
ST
1
TE
ST
3
TE
ST
2
TE
ST
4
TE
ST
6
TE
ST
8
TE
ST
9
TE
ST
10
TE
ST
11
TE
ST
12
TE
ST
13
TE
ST
14
TE
ST
15
TE
ST
16
TE
ST
17
TE
ST
18
TE
ST
19
TE
ST
20
TE
ST
21
TE
ST
22
TE
ST
23
TE
ST
24
TE
ST
25
TE
ST
26
TE
ST
27
TE
ST
28
TE
ST
29
TE
ST
7
TE
ST
5
IDE
AL
50% ΠΟΣΟΣΤΟ ΟΡΘΩΝ ΠΡΟΒΛΕΨΕΩΝ
(TEST #)
Ποσοστό Ορθών Προβλέψεων: 70.20 %Μέσο Τετραγωνικό Σφάλμα: 0.0248
Τest 24
ΣΥΣΧΕΤΙΣΗ FUTURE SPOT M1 M2 M3 M4 M5 M6 M7
Output -0.224 -0.202 0.402 -0.084 0.253 -0.192 -0.246 -0.244 -0.262
Παραμετροποίηση Test 24
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 21
Μεταβλητές Εσόδου: 9Μεαβλητές Εξόδου: 1Τύπος Δικτύου: ModularΑριθμός Στρωμάτων: 6Συν. Ενεργοποίησης: Σιγμοειδής tanφ
.
.
.
.
.
.
.
ΑΝΩ ΤΜΗΜΑ
.
.
.
.
.
.
.
ΚΑΤΩ ΤΜΗΜΑ
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
ΣΤΡΩΜΑΕΙΣΟΔΟΥ
ΚΡΥΜΜΕΝΟ ΣΤΡΩΜΑ I
ΚΡΥΜΜΕΝΟ ΣΤΡΩΜΑ II
ΣΤΡΩΜΑΕΞΟΔΟΥ
1
2
9
1
2
23
1
2
14
1
2
15
1
2
27
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
ΚΡΥΜΜΕΝΟ ΣΤΡΩΜΑ IV
1
2
7
1
2
21
.
.
.
.
.
.
.
.
.
.
.
.
.
.
ΚΡΥΜΜΕΝΟ ΣΤΡΩΜΑ V
1
2
22
1
2
24
ΑΝΩ ΤΜΗΜΑ
ΚΑΤΩ ΤΜΗΜΑ
ΑΝΩ ΤΜΗΜΑ
ΚΑΤΩ ΤΜΗΜΑ
ΑΝΩ ΤΜΗΜΑ
ΚΑΤΩ ΤΜΗΜΑ
Κανόνας Εκμάθησης: MomentumΡυθμός Εκμάθησης: ΠροσαρμοστικόςAναδιάρθρωση βαρών: Αντίστροφη ΔιάδοσηΚριτήριο Επίβλεψης: IncreaseΑριθμός Εποχών: 1000
5060
7080
Ορ
θές
Πρ
οβ
λέψ
εις
(%)
Αριθμός Κρυμμένων Στρωμάτων
1 2 3 4 5
Πρόβλεψη Τελικού Μοντέλου
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 22
July
200
6
Sep
200
6
Nov
200
6
Jan
2007
Mar
200
7
May
200
7
July
200
7
Aug
200
6
Oct
200
6
Dec
200
6
Feb
200
7
Apr
200
7
June
200
7
Aug
200
7
1.0
1.1
1.2
1.3
1.4
1.5
0.9
0.8
0.7
0.6
0.5
TESTING SETΠαραγόμενα αποτελέσματαΕπιθυμητά αποτελέσματα
1.0
1.1
1.2
1.3
1.4
1.5
0.9
0.8
0.7
0.6
0.5
Ποσοστό Ορθών Προβλέψεων: 72.09 %Μέσο Τετραγωνικό Σφάλμα: 0.0259
Πρόβλεψη Τελικού Μοντέλου
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 23
Επιθυμητά αποτελέσματαΠαραγόμενα αποτελέσματα
TRAINING SET
May
200
2
July
200
2
Se
p 2
002
Nov
200
2
Jan
200
3
Mar
200
3
May
200
3
July
200
3
Se
p 2
003
Nov
200
3
Jan
200
4
Mar
200
4
May
200
4
July
200
4
Se
p 2
004
Nov
200
4
Jan
200
5
Mar
200
5
May
200
5
July
200
5
Se
p 2
005
Nov
200
5
Jan
200
6
Mar
200
6
May
200
6
July
200
6
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
0.9
0.8
0.7
0.6
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
0.9
0.8
0.7
0.6
Ποσοστό Ορθών Προβλέψεων: 87.38 %Μέσο Τετραγωνικό Σφάλμα: 0.0046
Προσομοίωση υπό κανονικές συνθήκες
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 24
ΗΜΕΡΟ ΜΗΝΙΑ
Future Λ. Ε.Ορθήθέση
Αγορά Πώληση Λ.Ε.Προτεινόμενη θέση
Ορθότητα προβλέψεων Αποτέλε σμα ($)($) Τελικός
Κέρδη ($)
Κέρδη ($) Εκτίμηση
03/07/2006 24000 1.20388 ΑΓΟΡΑ 4893 -4893 1.03174 ΑΓΟΡΑ ΑΓΟΡΑ ΑΓΟΡΑ 4893
04/07/2006 23000 1.25622 ΑΓΟΡΑ 5893 -5893 1.07602 ΑΓΟΡΑ ΑΓΟΡΑ ΑΓΟΡΑ 5893
05/07/2006 23000 1.25622 ΑΓΟΡΑ 5893 -5893 1.10840 ΑΓΟΡΑ ΑΓΟΡΑ ΑΓΟΡΑ 5893
23/08/2006 29125 1.09692 ΑΓΟΡΑ 2823 -2823 1.06004 ΑΓΟΡΑ ΑΓΟΡΑ ΑΓΟΡΑ 2823
24/08/2006 30000 1.06492 ΑΓΟΡΑ 1948 -1948 1.01033 ΑΓΟΡΑ ΑΓΟΡΑ ΑΓΟΡΑ 1948
25/08/2006 30500 1.04747 ΑΓΟΡΑ 1448 -1448 0.99227 ΠΩΛΗΣΗ ΑΓΟΡΑ ΠΩΛΗΣΗ -1448
29/08/2006 31750 1.00623 ΑΓΟΡΑ 198 -198 0.97004 ΠΩΛΗΣΗ ΑΓΟΡΑ ΠΩΛΗΣΗ -198
30/08/2006 32000 0.99837 ΠΩΛΗΣΗ -52 52 0.98514 ΠΩΛΗΣΗ ΠΩΛΗΣΗ ΠΩΛΗΣΗ 52
… … … … … … … … … … …
31/07/2007 66125 1.01069 ΑΓΟΡΑ 707 -707 0.80582 ΠΩΛΗΣΗ ΑΓΟΡΑ ΠΩΛΗΣΗ -707
ΤΕΛΙΚΟ ΚΕΡΔΟΣ ($) 865351
ΑΒΓ Συμβολισμός λήψης θέσης αγοράς
ΑΒΓ Συμβολισμός λήψης θέσης πώλησης
ΑΒΓ Ταύτιση ορθής και προτεινόμενης θέσης
ΑΒΓ Μη ταύτιση ορθής και προτεινόμενης θέσης Το ιδανικό κέρδος θα ήταν 1196353 $
Συμπεράσματα
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 25
Παρατηρήσεις
3. Η πρόβλεψη παρουσιάζει το μεγαλύτερο σφάλμα κατά τον Οκτώβριο του 2006
Λογικά τα δεδομένα του μεταφέρουν νέες συνθήκες, άγνωστες μέχρι τώρα στο δίκτυο
2. Τα αποτελέσματα της πρόβλεψης επηρεαζονται από την εποχικότητα της Ναυλογοράς
Τους εαρινούς και θερινούς μήνες η πρόβλεψη κρίνεται περισσότερο επιτυχής
Συνεπώς...
1. Παραγόμενες τιμές λόγων εκκαθάρισης κοντά στη μονάδα είναι καλό να αποφεύγονται
Ποσοστό Ορθών Προβλέψεων: 80.41 %Μέσο Τετραγωνικό Σφάλμα: 0.0057
– Αξιολόγηση μόνο των μηνών της Άνοιξης και Του Καλοκαιριού δίνει:
Ποσοστό Ορθών Προβλέψεων: 77.32 %
– Θέσπιση Περιθωρίου Εμπιστοσύνης |Λόγος Εκκαθάρισης - 1| > 0.05 , δίνει:
– Εξαίρεση του Οκτωβρίου 2006, δίνει:
Μέσο Τετραγωνικό Σφάλμα: 0.0115
July
20
06
Se
p 20
06
No
v 20
06
Jan
20
07
Ma
r 2
00
7
Ma
y 2
00
7
July
20
07
Au
g 20
06
Oct
20
06
De
c 20
06
Fe
b 2
00
7
Ap
r 2
00
7
Jun
e 2
00
7
Au
g 20
07
1.0
1.1
1.2
1.3
1.4
1.5
0.9
0.8
0.7
0.6
0.5
TESTING SETΠαραγόμενα αποτελέσματαΕπιθυμητά αποτελέσματα
1.0
1.1
1.2
1.3
1.4
1.5
0.9
0.8
0.7
0.6
0.5
Συμπεράσματα
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 26
July
200
6
Sep
200
6M
ar 2
007
May
200
7
July
200
7
Aug
200
6
Apr
200
7
June
200
7
Aug
200
7
1.0
1.1
1.2
1.3
1.4
1.5
0.9
0.8
0.7
0.6
0.5
ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΑΠΟΔΟΣΗΣΕπιθυμητά αποτελέσματαΠαραγόμενα αποτελέσματα
1.0
1.1
1.2
1.3
1.4
1.5
0.9
0.8
0.7
0.6
0.5
Όριο Ασφαλείας
Ποσοστό Ορθών Προβλέψεων: 90.60 %
|Λ.Ε. - 1| > 0.04
Συμπεράσματα
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 27
• Απαραίτητη η συνεχής ανανέωση της Γνώσης (επανεκπαίδευση) ενός τέτοιου μοντέλου
• Σημαντικό ρόλο παίζει η απλή αποκωδικοποίηση της λαμβανόμενης Πρόβλεψης
• Η επιτυχία της Πρόβλεψης είναι αντιστρόφως ανάλογη με το χρονικό ορίζοντα αυτής
• Καταλυτικός στην αποδοτικότητα του μοντέλου είναι ο τρόπος διαχείρισης των εκρεόντων αποτελεσμάτων
Αυτοματοποιημένα μοντέλα Πρόβλεψης Οικονομικών μεγεθών μπορούν να υπάρξουν,
αλλά υπό τις σωστές προϋποθέσεις
Τελικώς...
Προτάσεις για περαιτέρω έρευνα
Εργαστήριο Θαλασσιών Μεταφορών, Σχολή Ναυπηγών Μηχανολόγων Μηχανικών ΕΜΠ 16 Απριλίου 2008 28
• Μοντέλων που θα τελούν όμοια πρόβλεψη για διαφορετικές διαδρομές
• Δικτύων που θα παράγουν πρόβλεψη σε συμβόλαια μεγαλύτερης χρονικής διάρκειας
• Ομοειδών συστημάτων απευθυνόμενα σε άλλους οικονομικούς τομείς
Προτείνεται η διεξαγωγή έρευνας ως προς τη σχεδίαση:
Top Related