Artificial Intelligence in EPS forecasting

Abstract

In this paper, I present a study where the main focus is on how Artificial Intelligence is used in EPS forecasting. Unique to this study is that I compare the performances of one Neural Network model and one Time Series model for EPS forecasting. A sample of 10 international companies was chosen for this research paper. The artificial model was developed in MatLab, while the Time Series analysis was developed in Excel. This study compares these two approaches while emphasizing their strengths and weaknesses. When comparing MAPE, MSE, and MAD the results are in favor of the statistical approach. However, the performance analysis concludes that there are many factors included in a forecasting model development and the choice of approach is case and complexity dependent.

Denne masteroppgaven presenterer en studie om bruken av kunstig intelligens for EPS-prediksjon. Unikt for denne oppgaven er at jeg sammenligner en kunstig intelligensmodell og en tidsserieanalyse modell for prediksjon. Et utvalg av 10 internasjonale selskaper var valgt for oppgaven. Den kunstige intelligensmodellen ble utviklet i MatLab og den tidsserienanalysen ble utviklet i Excel. I denne oppgaven sammenligner jeg disse to tilnærmingene og fokuserer hovedsakelig på deres styrker og svakheter. Ved sammenligning av MAPE, MSE og MAD indikerer resultatene at den statistiske modellen gjør det bedre. Likevel konkluderer jeg i resultatanalysen at det er mange faktorer ved utformingen av en prediksjonsmodell og valget av metode avhenger av omfanget og kompleksiteten av enkelte case.