Modele neuronowe wspomagające prognozowanie cen pszenicy konsumpcyjnej na zdecentralizowanym rynku towarowym

Celem pracy jest zbadanie możliwości wygenerowania i wykorzystania modeli neuronowych w predykcji najniższej oraz najwyższej dziennej ceny pszenicy konsumpcyjnej na rynku Forex. Dokonano analizy parametrów wejściowych i przygotowano zbiory uczące sieci neuronowych, tak by możliwe było wygenerowanie modeli neuronowych. Po wygenerowaniu sztucznych sieci neuronowych przeprowadzono analizę wrażliwości, a także przebudowano zbiór uczący, poszerzając go jednocześnie o dane niezbędne do prawidłowego prognozowania ceny.

The aim of the study was to investigate the possibility of generating and using neural models for predicting the lowest and highest daily rates of consumption wheat in the Forex market. Input parameters and prepared learning sets of neural network are analysed with a view to generating neural models. After the artificial neural networks were generated, a sensitivity analysis was done and the learning set rebuilt. The set data required to properly forecast prices were added to the new training.