A kutatás során hagyományos technikai indikátorokat fogunk összevetni mesterséges intelligencia alapú modellekkel. Az indikátorokat több évtizede ismeri a befektetői közösség, azonban a technológiai fejlődésnek hála, a gépi tanulási módszerek egyre fontosabb szerephez jutnak. A kutatás fő célja meghatározni, hogy melyik megközelítéssel lehet nagyobb profitot elérni a részvénypiacon. Ehhez három indikátor és mesterséges intelligencia algoritmus teljesítményét vizsgáltuk meg öt darab amerikai részvény historikus adatain, 2017 január 1. és 2024 december 31. között, továbbá a gépi tanulási algoritmusok az 1996. január 1.-től 2017. december 31.-ig tartó időszak adataival lettek betanítva. Az eredményekből látható, hogy a Lineáris Regresszió generálta a legnagyobb profitot az Apple részvény esetében, azonban érdemes figyelembe venni az ezzel járó kockázatot és a nagyfokú volatilitást.
XIII. ÉVF. 2025. 4. SZÁM 20-23
DOI: 10.24387/CI.2025.4.4
A cikk megtekinthető: http://controllerinfo.hu/wp-content/uploads/2026/01/CI_2025_4_04.pdf
IRODALMI FELDOLGOZÁS
ACHELIS, S. B. (2013): Technical Analysis from A to Z, 2nd Edition. McGraw Hill Inc. ISBN 978-0071826297
BARTRAM, S. M. – BRANKE, J. – MOTAHARI, M. (2020): Artificial Intelligence in asset management. CFA Institute Research Foundation. ISBN: 978-1-952927-02-7
BROCK, W. – LAKONISHOK, J. – LeBARON, B. (1992): Simple Technical Trading Rules and the Stochastic Properties of Stock Returns. The Journal of Finance, Vol. 47, No. 5. (Dec., 1992), pp. 1731-1764.
BRUCE, P. – BRUCE, A. – GEDECK, A. (2020): Practical Statistics for Data Scientists 50+ Essential Concepts Using R and Python, 2nd Edition. O’Reilly Media, Inc., 1005 Gravenstein Highway North, Sebastopol, CA 95472. ISBN: 978-1-492-07294-2
CHOPRA, N. – LAKONISHOK, J. – RITTER, J. R. (1991): Measuring abnormal performance: Do stocks overreact ? Journal of Financial Economics 31 (1992) 235-268. North Holland
CHOWDHURY, E. K. (2019): Use of Artificial Intelligence in Stock Trading. Published in: Portfolio , Vol. 1, No. 22 (30 April 2019): pp. 17-28.
DINIZ, A. P. M. – CIARELL, P. M. – SALLES, E. O. T. – COCO, K. F. (2024): Use of deep neural networks for clogging detection in the Submerged Entry Nozzle of the continuous casting. Expert Systems With Applications 238 (2024) 121963. https://doi.org/10.1016/j.eswa.2023.121963
GOODFELLOW, I. – BENGIO, Y. – COURVILLE, A. (2016): Deep learning. Cambridge, Massachusetts: MIT Press. ISBN: 978-0262035613
HUNYADI, L. – VITA, L. (2019): Statisztika II. Akadémiai Kiadó. ISBN:978 963 454 222 3
JAMES, G. – WITTEN, D. – HASTIE, T. – TIBSHIRANI, R (2013): An Introduction to Statistical Learning. Springer Science+Business Media New York 2013. ISBN: 978-1-4614-7137-0
KECSKEMÉTI, I. (2006): Tőzsdei befektetések a technikai elemzés segítségével. Kecskeméti István és Tsa Bt., Budapest. ISBN: 2050000004247
KIRKPATRICK, C. D. – DAHLQUIST, J. R. (2007): Technical Analysis: The complete resource for financial market technicians. Pearson Education, Inc., New Jersey 07458. ISBN 0-13-153113-1
MALKIEL, B. G. (2007): A Random Walk Down Wall Street The Time-Tested Strategy for Successful Investing, 9th Edition. W. W. Norton & Company, 500 Fifth Avenue, New York, N.Y. 10110. ISBN: 978-0-393-33033-5
MUELLER, J. P. – MASSARON, L. (2024): Adatelemzés Pythonnal. Panem Könyvek, Taramix Kft., Budapest, 2024. ISBN: 978-615-5186-99-8
MURPHY, J. J. (1999): Technical Analysis Financial Markets: A comprehensive guide to trading methods and applications. New York Institute of Finance, Paramus. ISBN 0-7352-0066-1
PARK, C. – IRWIN S. H. – (2004): The Profitability of Technical Analysis: A Review. AgMAS Project Research Report
SCOTT, G. – CARR, M. – CREMONIE, M. (2016): Technical Analysis: Modern Perspectives. CFA Institute Research Foundation. ISBN 978-1-944960-11-7
TÓTH, B. L. – FAZEKAS, B. (2023): A mozgóátlagokra épülő kereskedési stratégiák sikerességének vizsgálata a nagy kapitalizációjú vállalatok példáján keresztül. Economica XIV. évf., 3-4. sz. ISSN 2560-2322
WHEN-CHUAN, A. – HASANHODZIC, J. (2010): The Evolution of Technical Analysis: Financial Prediction from Babylonian Tablets to Bloomberg Terminals. John Wiley & Sons, Inc., Hoboken, New Jersey. ISBN 978-1-57660-349-9
