文摘
太阳能已经成为不可分割的一部分的经济发达国家,所以它是重要的监测其发展的步伐,前景,以及大公司生产太阳能电池板从太阳能的供应直接取决于他们在一个特定的国家。研究分析了加拿大太阳能公司和第一太阳能公司的股票。这项研究的目的是研究的可能性,预测太阳能公司的股票价格使用神经网络进行后续投资的目的。LSTM用于递归神经网络的文章,这个方法是基于复杂性理论。机器学习技术正在积极落实各部门的经济和被认为是有效的。使用的程序分配不同意义数据的最后一个月和1年的头几个月的数据。过去5年的第一年公司的活动是作为第一年因为更遥远的数据不再预测具有重要意义。在研究过程中,预测股票价格的加拿大太阳能公司和第一太阳能公司245天。根据获得的结果,以下结论:20神经元网络不足以作出准确的预测,但这种预测的信心水平足够高,神经网络预测适用于投资和足够准确确定中长期趋势,但这些预测并不适用于交易员。的方向提高神经网络预测的准确性是有前途的进一步研究。
1。介绍
本文认为加拿大太阳能公司和第一太阳能公司的股票,这被认为是最稳定的,这意味着它们比股票更容易预测高波动性。最大的公司在太阳能领域的生产,也就是说,所有大公司从事太阳能的生产,以及生产设备的生产,非常有前景的投资,因为他们都固有的优势,大公司,然而,由于绝大多数传统能源,太阳能公司有巨大的增长潜力,主要是由于每年减少的石油和天然气储备。许多发达国家都意识到需要切换到替代能源不仅因为世界上减少外汇储备的传统能源,但也因为需要减少依赖石油和天然气进口国。
这一切,加上最近的全球石油和天然气价格上涨,迫使国家更积极地切换到替代能源,并增加太阳活动鼓励他们选择主要太阳能在各种类型的替代能源。很明显,传统能源的成本只会增加外汇储备耗尽,在几十年,他们的价格可能会降低许多经济发达国家。因此,重要的是要监控太阳能发电的供应的动力学在不同的国家,使预估这个行业的进一步发展。
太阳能的发展相关问题科学家多年来一直令人担忧。同时,由于现代技术,太阳能的使用变得越来越广泛,和开发太阳能的问题变得越来越紧迫。太阳辐射的预测是最重要的一个指标,直接影响太阳能的供应1- - - - - -3]。提出使用无条件方法地区大量的晴天,太阳活动和较低的地区应用条件概率的方法。根据他们的说法,为了进一步提高预测的准确性,是有意义的对不同时期使用不同的预测方法。其他作者打算创建预测基于湿度和太阳辐射的云层,组件的清晰度指数(4- - - - - -9]。科学家在以下工作设法使每小时预测太阳辐射,由于格勒乌和LSTM等机器学习技术。各种型号的辐照被用来使预测(10- - - - - -12]。机器学习还可以用来预测石油价格(13,14]。机器学习算法可以在一篇文章中找到其他作者(8]。另一篇文章致力于电力消费的过程中挖掘cryptocurrencies。作为一个例子,最著名的4 cryptocurrencies使用Herfindahl-Hirschman方法有(15- - - - - -18]。下面的文章展示一个使用机器学习方法,应该在不安全的系统解决问题(19,20.]。它开发了一个混合计算模型预测太阳能发电在正常情况下在不同的时间间隔(π),等二十分钟,十五分钟,十分钟,五分钟,一分钟。计划的方法应用于国家每年大量的阳光明媚的日子。将太阳能公司的项目电厂在南美和非洲的强调,这种方法是相关的和有效的21- - - - - -25]。其他作者谈到实现可持续发展的工作在俄罗斯通过使用电子学习融资模型基于复杂性理论。是研究复杂系统,包括科目如混沌理论、遗传算法和理论计算机科学处理在计算所需的资源来解决一个给定的问题。
可持续发展做出预测的一个重要因素,所以国家的例子,不考虑在本文中也很有用26,27]。选择预测方法是有用的在评估机器学习在预测的有效性。最大的太阳能公司的股票直接依赖于预测石油价格,下面这篇文章的作者讨论(28,29日]。同一个作者写的另一篇文章,持续改善的想法的准确性预测石油价格,但是本文的框架内,作者使用一个新的自回归综合模型的修改使用额外的指数平滑法(30.,31日]。另一项研究致力于气候变化的影响下温室气体(32]。他们提议使用还原法和乘法方法,后者被认为是由于他们的研究更有效。非洲的能源行业,特别是在太阳能的背景下,许多国家在非洲以外的兴趣。在他们的工作中,研究人员写deglobalization在能源行业在非洲,以及对市场的反应在中国和美国的贸易关系10]。
预测股价的公司生产太阳能电池板,以及太阳能的供应在不同的国家,有必要使用等直接因素不仅传统能源的价格,但也间接因素影响股票的价值通过对能源成本的影响。例如,另一个团队的作者发现一定程度的依赖性的国内生产总值(gdp)世界领先的石油供应国家和证明这依赖沙特阿拉伯和俄罗斯的例子(25]。经济增长对能源消耗的依赖的主题被认为是由另一个作者使用坦桑尼亚的例子。能源消费是最重要的因素在评估以来太阳能发电的供应需求是必要的供应增长(33]。现在让我们看看作者的工作,直接对国家,这将在本文后面讨论。在他们的文章中,作者回顾了欧盟国家,包括那些国家将在稍后讨论。更准确地说,国内生产总值之间的关系不同的欧盟成员国从1971年到2005年。作者使用面板测试的因果关系进行了分析。状态空间的指数平滑方法可以用来反驳或证实预测及其精度,这对于城市尤其有用太阳能电池板主要是安装在屋顶和窗户的房子。在这种情况下,这些通常是multistore办公室,摩天大楼,和窗户能够完全为这些知识提供电力,尽管高用电量的办公室本身(20.,22]。值得补充的是,有一个诊断预测指标的评估方法,用于校准预测指标,详细的原则被认为是科学家在他们的工作25]。
一个创新的方法,提出了控制nanoclusions引入聚合物基质的文章(22,23]。在两篇论文,作者研究了人类发展指数的影响能源质量、可持续增长的全球指标之一,在其消费(22]。操作的完整周期的太阳能发电厂有时甚至一年多,和预测太阳能电力供应很少考虑储备规模的电厂可以股票和消费者可以花费的能量。太阳能发电的最大数量生成至少需要的确切时间。在温暖的阳光明媚的天气,人们更倾向于热量的前提和打开灯比在寒冷和多云的天气,当太阳能发电大大减少,因此储备是非常重要的问题。在另一篇论文中,作者提出了一种新的计算方法储备(23]。
的一个方法来预测电力生产基于太阳辐射的时空相关性分析和固定光电信号的生成与多维的建模预测分布,进一步形成时空轨迹描述预测错误的潜在进化取决于位置和执行时间26]。同样在2016年,作者发表了另一篇文章使用极端的辐照机(ELM)作为获得短暂的回归模型预测的时间间隔从1分钟到一个小时27]。此问题的解决方案是全球健康行动计划的方法。
太阳能、风能是一个直接的竞争对手,因为它不仅是一个可替代能源,但也需要类似的气候条件为最大的成功操作。即有争夺领土的问题,太阳能发电厂和风力发电厂可以定位,所以重要的是评估竞争对手的成功推广的发展产业。
现在让我们继续投资于太阳能的问题。太阳能,同其他行业一样,需要投资,这使投资者赚钱的机会可再生电力的过渡。投资的各种因素是很重要的,如国家的经济增长作为一个整体,从影响发展中国家经济增长的产业。然而,经济增长也是一个多因子的指标,特别是,这要取决于通货膨胀。两位作者的作品谈到通货膨胀对经济增长的影响,这是特别相关的最近的事件在欧洲和美国,通胀是21世纪的打破纪录24]。另一个影响经济增长的因素是人均电力消耗。在研究过程中,结论是对的有效性增加对发展中国家的电力消耗和建议开发以来发达国家节约用电的增加电力消耗在这些国家不会导致相同的结果(1]。另一个作者写了GDP增长和外国直接投资之间的关系,基于格兰杰因果关系标准和协整理论16]。希腊的经济增长之间的关系在1960 - 1996年研究的主题的一组科学家应用一个向量误差修正模型在他们的工作30.]。经济增长和能源消费之间的关系,已前面所讨论的,被认为是由两个研究人员几十年早些时候(31日- - - - - -35]。投资战略的一个例子,可以使用太阳能被投资公司相关工作的一组研究人员(24,25]。
2。材料和方法
在我们的工作中,我们使用机器学习技术和复杂性理论来预测时间序列。特别是,它是一个递归神经网络的程序与短期memory-LSTM长。LSTM算法的工作原理是基于时间序列的每个连续的值(在这个工作,这是价格)分析程序是基于以前的值,也就是说,它积累。
LSTM超过其他递归神经网络的优点是分析长期依赖关系的能力,如公司股票。这是由于存在四层神经网络中的交互模块,而在简单的递归神经网络,该模块包括只有一层。LSTM决定的信息量,需要跳过进一步根据任务。要做到这一点,盖茨,组成的点态乘法操作和乙状结肠层。
LSTM始于训练阶段的工作。在这个阶段,神经网络分析输入数据,自动调整输入数据信号的强度。因此,神经网络学习理解哪些数据可以删除,并特别注意。接下来,测试数据分析使用以下公式:
在这个公式,可以看出我们最初系向量和由权重矩阵相乘 ,在添加的转变如前所述,通过s形的激活函数。结果是一个向量评估需要各个部分的数据。
接下来,向量和通过两个独立的层使用公式: 这是同样的原理与前面的公式,除非在第二个公式向量通过双曲正切函数。因此,神经网络确定哪些数据需要补充道。
源数据乘以f(t),乘以并添加到加权源数据:
下一阶段的分配必要的信息,形成一个预测- LSTM工作的结果。
作为LSTM训练数据,我们每天的收盘价值用于股票交易在过去的5年,但没有考虑过去245天。最后245天的数据作为测试。这意味着两个图可以包含在实际产出和神经网络的预测图和评估工作的有效性。我们也使用辍学层模型,以防止过度拟合,从而导致机器学习模型的经典悖论,程序显示了显著的训练数据更准确的结果,而不是测试数据。在LSTM层,我们使用20节点。这个值是由我们决定我们分析最优的目的。
同时,增加模型的可靠性,我们添加了一个致密层与1神经元。均方根误差作为损失函数。
3所示。结果
这个数字1和图2显示的结果我们的神经网络的工作。蓝色显示了真正的股票价格,红色显示预期股票价格。第一太阳能公司的股票价格和加拿大太阳能公司,分别在红着预测,神经网络。我们可以说,天气预报很准确,因为,尽管差异很多价值观的实际和预测股票价格,神经网络看到的大部分地方的趋势,甚至接近实际值相当密切。
它可以指出,这种预测略不配合的时候达到最大值,最小值,而不是一个投资者的关键变化他的投资组合的组成每六个月甚至更少,但在这种情况下,投资者仍将没有机会获得最大可能的收益。一个投资者的主要成就之一是节省时间在分析公司的基本指标,不断监测其变化。由于神经网络,一个投资者可以评估数百家企业在选择一个合适的1天,只要执行计算的计算机有足够的权力,因为现代个人电脑这个值将在10。
交易员,这个预测适用只有交易员已经交易了至少一个星期,因为除了时间滞后,预测有很多缺陷,比如不匹配当地的趋势,预测最大的交集点与实际最低,和破发点的值的错误。也不能说这些问题能被解决通过每日发布的最新预测,因为,正如你所看到的,在最开始的图,预测趋势方向相反的实际趋势,这再次证实了交易者的不适用。
目前,神经网络已经被大型投资者用来预测股票价格,但是他们的数量远远低于投资者不要使用神经网络。因此,我们可以讨论一个人为因素影响股票价格,从而降低神经网络预测的准确性。还可以比较使用现代LSTM神经网络预测的有效性(数据1和2)与更传统的方式预测股票价格,如ARMA(数字3和4)。图表清楚地表明LSTM更高的准确性。这样做的原因是,ARMA预测基于训练样本的平均值。演示,培训期间的实际数据也添加到预测图。LSTM反过来使用长期和短期记忆的组合,也就是说,不仅长期在ARMA,它允许您获得这样的结果。可以说,ARMA预测更适合创建一个传统的能源公司,股票价格的相对稳定的价值或者有一个长期的趋势。在替代能源的情况下,在这种情况下太阳能、有较高的股票价格的波动性,这进一步增强了LSTM的优势。
根据官方数据,预测也为发达国家太阳能发电的供应,直到2025年底。作为比较,预测了不同发展水平的国家的太阳能产业。下面是图6个国家,同时包含太阳能发电的供应的实际值前几年,直到2025年预计提供值:
图表显示,荷兰的比例将成为该国增长率最高的太阳能能源供应在未来几年(图5)。这是由于这样的事实:这个国家已经遭受了至少从显示的冠状病毒大流行那些在这项研究中,同时也由于目前太阳能能源供应的相对较低的水平,也就是说,荷兰有很高的增长潜力。尽管年度全球水平太阳辐射(本)在荷兰 ,明显低于在许多欧洲国家,荷兰打算成为一个领导者与替代能源替代传统能源。所以,2017年3月,荷兰政府发表了“能源计划:向低碳能源供应,”根据能源政策的唯一目标在未来几年将减少温室气体排放,也就是说,所有的金融资源的框架内实施荷兰能源政策主要针对替代能源和太阳能,这将确保加快发展。
的图预测的太阳能能源供应在葡萄牙(图6)表明,太阳能在这个国家发展不均衡由于缺乏资金。该国一直COVID-19影响,正因为如此,葡萄牙将缺乏可替代能源在未来几年融资,但由于该国想要达到欧洲标准,资金仍将分配尽可能这每年都截然不同。然而,由于大多数国家的座落在本区域更大 ,然后我们可以讨论长期增长潜力为2030 - 2040。
德国(图7(图)和法国8)目前在类似的情况下,如果我们讨论太阳能能源供应的增长百分比。尽管显著差异在当前水平的太阳能能源供应,这些国家是欧洲最大的经济体,有机会为太阳能的发展。太阳能的发展在德国和法国在过去十年中一直均匀,不应指望一个重大偏离主要趋势线。过渡到碳中立的计划在法国和德国是基于在危机中逐步过渡到替代能源和计划保持这种转变的步伐。
的图像的动态供应太阳能在意大利(图9)显示,近年来已经有一个非常积极的发展趋势和疲软,此外,在一些年,发展的动力是负的。这是由于这样的事实,意大利当局根据欧共体语言教学大纲的计划资金有限,以及引入税收在生产的电力消耗自己的力量。因此,在意大利生产能力变得无利可图的一部分,尤其是在北部地区。这导致了放弃太阳能和过渡回到传统的能源。在当前危机的状态,没有理由假定税将被废除,资金将会增加。这之后可能导致意大利,作为过渡的一部分,可替代能源,将成为不同于大多数发达国家,即使是现在的世界领导人之一的太阳能发电的供应。然而,意大利的平均本 ,这激发希望这个行业的进一步发展。
美国是一个发达国家生产的太阳能电力(图10)。这是由于高的金融功能和国家本身的面积。提供太阳能的,美国与中国争夺世界唯一的领导,因为所有其他国家远远落后于在这个指标。传统能源价格的大幅上涨,最近被观察到在美国,可能会鼓励太阳能的发展以来,这个行业最近的盈利能力大幅增加。本在这个国家的南部地区超过 ,这是最高的国家被认为是在这项研究中指标。因此,很有可能在不久的将来我们可以预期供应增长加速,在美国。
同时,相比之下,一个图的预测价值太阳能电力供应为所有6个国家(图11)。
图的预测2025年发达国家的太阳能电力供应,可以看出,美国将仍然在太阳能发电相比,欧洲国家领导人。尽管最南端的位置,德国将在占据第二国家考虑。荷兰预计将超过意大利的供应太阳能发电由于意大利太阳能行业的危机,相反,太阳能在荷兰的崛起。法国将开发太阳能更加快速度,但由于缺乏资金,它将无法赶上先进的欧洲国家在这个行业,和葡萄牙的太阳能能源供应仍将考虑最小的国家之一。
4所示。讨论
神经网络预测的适用性的问题仍然是有争议的。大多数的反对者预测的数学方法指的是“天性”,一个成功的投资者。阶段公司的《盗梦空间》,也就是说,当一个新品牌在市场上只有轻微的经验或公司正在寻找投资者甚至在其正式开通,计算机算法无法对品牌的未来做出预测,这一预测的方法预测的损失有很大区别一个或在概率论硬币的另一面。一个投资者的市场知识和能够评估未来的产品从人类的角度可以告诉是否一个新的公司前景。
初创企业的投资是基于复杂性理论允许进取的美国人获得数百万,因为,尽管风险高,一些产品已经在起源阶段的成功,可以带来高的利润。当然,人们仍然使预估比神经网络更年轻的公司的发展,但是,当涉及到公司已经通过IPO,神经网络在预测的准确性已经占据领先地位。LSTM为例,分析数据数组比一个人更准确和更快的和预测的大公司的发展。它也可以表示的准确性LSTM相比,更少的现代方法如ARMA显著更高。
直接把太阳能的问题,值得说的是,很少有人会怀疑这个能源工业的发展前景。关键问题是如何快速将开发和时间将成为在其形成的过程中至关重要,因为人类的主要能源之一。太阳能的潜力目前使用的不到0.000000001%,和的成功过渡到这种类型的能源已经是显而易见的。本世纪太阳能必将经历危机现象由于便宜的传统能源和竞争与其他类型的替代能源。然而,太阳能可以用适当的融资发展相当有效,凑巧的是,例如,在美国,如果缺乏融资,经济衰退可能发生,如在意大利。融资是任何行业发展的一个重要因素,但如果传统能源的发展导致了成功的国家未来几十年的发展,替代能源是未来世纪的能源独立。因此,德国和荷兰等国家,大量投资于太阳能的发展,让这个行业经历危机现象,成为一个良好的长期的收入来源。太阳能获得政府支持的企业在这个行业的形成可能会成为主要能源公司几十年。
5。结论
基于结果和复杂性理论,可以得出的结论是,神经网络可以用来预测股票价格的投资目的。从一个商人的角度来看,神经网络都不适用,除了每周的交易员,因为他们不能总是准确地检测本地趋势,几乎总是预测的最大和最小值出现晚于实际值是相同的。此外,没有办法确定预测与实际值。
然而,很明显,神经网络是一种很有前途的发展方向的预测和投资质量。研究在这一领域需要继续,这可能会导致神经网络的出现,不仅可以使预测的投资者,但也为贸易商,这将是我们进一步研究的主要目标。谈到复发性神经网络的有效性,在这种情况下LSTM,值得一提的是,与传统方法相比,例如,ARMA,他们更有效的预测股票价格的公司条件的高波动性。
根据预测了太阳能发电的供应6发达国家到2025年,荷兰最有机会在这个行业大幅上涨,这极有可能取代意大利在这个指标由于能源危机在意大利,这是由当地政府的行为造成的。葡萄牙,尽管该地区太阳辐射率高,不太可能甚至能够接近欧洲领导人生产太阳能由于弱电的发展这个行业由于缺乏资金。美国仍将是太阳能发电比任何一个欧洲国家的领导者由于高融资,以及由于在这个国家的南部地区超过本 ,这是最高的国家被认为是在这项研究中指标。德国将继续在欧洲国家领导人认为在这项研究中,意大利和法国将努力赶上在太阳能发电方面,但它在2025年之前不太可能这么做。然而,如果能源危机继续在意大利,法国完全有机会赶上它的太阳能电力供应。
数据可用性
数据集用于支持本研究的结论可以要求从相应的作者。
的利益冲突
作者宣称没有利益冲突。
作者的贡献
咱和GP概念研究;正义与发展党执行方法;咱,我起草了手稿;咱审查和编辑的手稿。
确认
几何级数部分资助的研究项目。rrf 2.3.1 - 21 - 2022 - 00009,《可再生能源国家实验室实现了复苏和弹性机构提供的支持欧盟框架内的项目+ Szechenyi计划。几何级数的研究进行2021.2.1.1-EK-2021-00001项目的框架,实现了由国家提供的支持研究,开发和创新基金的匈牙利,在2021 - 2.1.1 - ek资助计划资助。