Analizując dane zamieszczone w powyższych tabelach oraz plikach wynikowych łatwo dostrzec następującą zależność: skuteczność przewidywania kursów rośnie wraz ze zwiększanie się progu, według którego ustalane są progi i stabilizuje się na poziomie około 50% dla najwyższych wartośći progu. Mogłoby to sugerować, że najwyższe wartości progów dają najlepsze wyniki przewidywania zmian cen akcji, lecz interpretacja powinna być inna. Analizując jakie dokładnie schematy zostały znalezione przez system, można zauważyć, że wraz ze wzrostem progu maleje liczba schematów zawierających duże zmiany. Jest to poparte faktem, że rzadko na giełdzie zachodzą wzrosty lub spadki o ponad 5% spółek z indeksu WIG20. W wyniku tego badania postanowiłem w dalszych eksperymentach zawęzić się do zachowań: wzrost, spadek. Eksperymenty były dokonane dla łańcuchów różnej długości aby wyeliminować wpływ tego czynnika.

Innym bardzo korzystnym wnioskiem jest fakt, że skuteczność przewidywań dla tak zmienionego modelu (spadek-wzrost) jest powyżej 50%, co oznacza, że faktycznie zwiększa się prawdopodobieństwo podjęcia dobrej decyzji inwestycyjnej w oparciu o wyszukiwanie wzorców i zachęca do dalszych badań.

W dalszym przebiegu badań określiłem zależności pomiędzy długością łańcucha a skutecznością w przewidywaniu zachowań. Jako minimalną długość określiłem 3, gdyż poniżej tej wartośći trudno mówić o charakterystycznym zachowaniu. W poniżych tabelach znajdują się wyniki badan dla wybranych spółek.

Teraz chciałbym określić zgodność zachowań poszczególnych walorów i indeksu WIG20. Oczywiście wyliczenie tego indeksu bazuje na zachowaniu każdej z tych spółek z wagą od kilku do kilkunastu procent. Z drugiej jednak strony badanie to oddaje zgodność wszystkich tych wszystkich spółek w jednym trendzie. W poniższej tabeli można odczytać z jakim prawdopodobienstwem spółka będzie zachowywała się zgodnie z indeksem WIG20. Wartość ta zawiera się w przedziale 0.5890 dla PBG i 0.7726 dla PEKAO. Czyli w przypadku tej ostatniej spółki, obserwując indeks największych spólek w trzech przypadkach na cztery możemy prognozować jej zachowanie. Można by tutaj powiedzieć, że zachowanie WIG20 także trudno prognozować, lecz zmienność tego indeksu jest mniejsza niż zmienność poszczególnych spółek oraz istnieją odpowiednie pochodne instrumenty na giełdzie (kontrakty terminowe), za pomocą których możemy minimalizować ryzyko niekorzystnych zmian.

Badnia zgnodności zachowań spółek i indeksu WIG20

Spółka	Zgodnie z WiG20	Przeciwnie do WIG20	Zgodnie / Przeciwnie
AGORA	226	139	0.6191
BANKBPH	206	158	0.5659
BIOTON	229	136	0.6273
BRE	250	115	0.6849
BZWBK	264	101	0.7232
CERSANIT	218	147	0.5972
CEZ	91	68	0.5723
GTC	243	122	0.6657
KGHM	268	97	0.7342
LOTOS	258	107	0.7068
MOL	226	139	0.6191
PBG	215	150	0.5890
PEKAO	282	83	0.7726
PGNIG	254	111	0.6958
PKNORLEN	256	109	0.7013
PKOBP	273	92	0.7479
POLIMEXMS	219	146	0.6000
PROKOM	233	132	0.6383
TPSA	265	100	0.7260
TVN	238	127	0.6520

Podsumowanie

Reasumując, notowania giełdowe mogą być prognozowane za pomocą systemów wyszukujących wzorce zachowań. Jako podstawowy wniosek uważam, że dla każdej spółki można stworzyć model charakterystycznych zachowań, jak długość łańcucha, konkretny schemat i otrzymać skuteczność nawet 0.6. Zwiększenie prawdopodobieństwa dobrej inwestycji nawet o tylko kilka procent, przy wielu transakcjach daje możliwość realnych zysków. Należy pamiętać, że metoda ta jest tylko jedną z wielu służących do prognozowania cen akcji. Warto zatem uzywać wielu narzędzi a następnie podejmować na ich podstawie decyzję.

Literatura

1. http://en.wikipedia.org/wiki/Pattern_recognition
2. Chris Satchwell, Pattern Recognition and Trading Decisions
3. P. Blakey, Pattern Recognition Techniques. IEEE Microwave Magazine. 3: 28-33