DAX index price prediction using artificial neural networks

Abstract

Artificial neural networks (ANNs) have become widely popular in the field of machine learning and are also increasingly used in the financial field, especially in asset price prediction. This thesis studies if the price change of an asset can be predicted with ANNs that use historical prices, technical analysis indicators, and weekday information as predictive variables. Study uses Deutscher Aktien IndeX 30’s (DAX) daily data between 2009 and 2018 to test if the direction of next day’s return can be predicted and if the weekday variables have any effect on the prediction performance. The results show that ANNs predict the test data returns better than random guessing, but these results cannot be proven to be statistically significant. An investment strategy built on the tested model can yield better investment returns than buy and hold strategy when transaction fees are not counted for. Study also shows, that removing the weekday variables as predictors lowers the model’s prediction accuracy. The study cannot provide undisputed answer whether the used model or some variation of the model could be used to predict asset price changes significantly better than random guessing.

Neuroverkot ovat kasvattaneet suosiotaan koneoppimisessa ja niiden käyttö on lisääntynyt myös rahoitusalalla, etenkin arvopapereiden ja muiden omaisuuserien arvon ennustamisessa. Tässä tutkielmassa testataan voiko neuroverkoilla ennustaa pörssi-indeksin arvonmuutosta käyttäen ennustavina muuttujina sen historiallisia hintoja, teknisen analyysin indikaattoreita sekä viikonpäivämuuttujia. Tutkielmassa käytetään Deutscher Aktien IndeX 30 (DAX) pörssi-indeksin hintahistoriaa vuosilta 2009-2018 selvittääkseen, onko seuraavan päivän hinnan muutoksen suuntaa mahdollista ennustaa, ja onko viikonpäivämuuttujien mukanaololla vaikutusta ennustetarkkuuteen. Tulokset osoittavat, että neuroverkko pystyy ennustamaan testiaineiston hinnanmuutoksia paremmin kuin satunnainen arvaus, mutta tulokset eivät ole tilastollisesti merkittäviä. Testatun mallin päälle rakennettu sijoitusstrategia pystyy parempiin tuottoihin kuin osta ja pidä -strategia, kun transaktiokustannuksia ei huomioida. Tulokset osoittavat myös, että viikonpäivämuuttujien poistaminen mallista vähentää sen ennustustarkkuutta. Tutkielma ei pysty kiistattomasti osoittamaan pystyvätkö käytetyt mallit tai niiden muunnelmat ennustamaan omaisuuserien arvon muutosta paremmin kuin satunnainen arvaus.