Показана возможность выполнять автоматический прогноз котировки пары Евро/Доллар на основе текстовой информации, связанной с рынком Форекс. Предлагаемая методика включает в себя следующие три шага: 1) отбор лингвистических индикаторов (ключевых слов), которые используются как переменные в прогнозных моделях; 2) ручную маркировку текстов для обучения классификаторов; 3) построение классификаторов. В классификаторах используются разные комбинации классов: рост, падение, неизменность, отсутствие роста, отсутствие падения. Для построения классификаторов используются два подхода: индуктивное моделирование (пакет GMDH Shell) и регрессионный анализ (пакет Eviews). Результаты экспериментов показывают преимущество классификаторов, построенных с помощью МГУА, а также возможность использовать предложенную методику как полезное дополнение к существующим численным методам.
Показано можливість виконувати автоматичний прогноз котирування пари Євро/Долар на основі текстової інформації, пов'язаної з ринком Форекс. Пропонована методика має такі три кроки: 1) відбір лінгвістичних індикаторів (ключових слів), які використовуються як змінні у прогнозних моделях; 2) ручне маркування текстів для навчання класифікаторів ; 3) побудова класифікаторів. У класифікаторах використовуються різні комбінації класів: зростання, спадання, незмінність, відсутність зростання, відсутність спадання. Для побудови класифікаторів використовуються два підходи: індуктивне моделювання (пакет GMDH Shell) та регресійний аналіз (пакет Eviews). Результати експериментів показують перевагу класифікаторів, побудованих за допомогою МГУА, а також можливість використовувати запропоновану методику як корисне доповнення до існуючих чисельних методів.
The possibility to make automatic forecasting for rating the pair Euro/Dollar on the basis of textual information related to Forex market is shown. The proposed technique includes the following three steps: 1) selecting linguistic indicators (keywords) used as variables in models; 2) manual marking of texts for training classifiers; 3) constructing classifiers. Different combinations of classes are used in the classifiers: growth, fall, invariability, non-growth, non-fall are used in the classifiers. To create the classifiers, two approaches are used: inductive modeling (GMDH Shell package) and regression analysis (Eviews package). Results of experiments show advantage of the classifiers built by GMDH and also possibility to use the proposed technique as a useful addition to existing numerical methods.
