Search academic texts

Information × Registration Number 2121U008171, Article popup.category Бакалаврська робота Title Comparison of forecast estimates on financial and economic data (AI translated) popup.author Харченко Роман АндрійовичKharchenko Roman Andriiovych popup.publication 01-01-2021 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/44712 popup.publisher Київ Description Дипломна робота: 146 с., 42 рис., 21 табл., 28 джерел, 3 додатки. Мета роботи – аналіз та порівняння результатів прогнозів динаміки розвитку фінансово-економічних процесів, представлених у формі одновимірних часових рядів. В роботі наведено огляд властивостей протікання сучасних фінансових та економічних процесів, відомих методів прогнозування. Описано статистичні тести, що використовуються для класифікації процесів. Наведено загальну методику побудови моделей процесів, що базується на методології Бокса-Дженкінса. Досліджено та побудовано моделі регресійного аналізу та моделі на базі нейронних мереж, що використовуються для прогнозування часових рядів, описано критерії якості оцінок прогнозів. Розроблено програмний продукт на мові програмування Python 3.7. у середовищі Jupyter Notebook, що дозволяє будувати прогнози фінансово- економічних часових рядів за допомогою моделі АРІКС, нейронної мережі MLP, нейронної мережі LSTM. Детально описано процес побудови моделей та прогнозування фінансово-економічних процесів на базі статистичних даних. Проведено порівняльний аналіз результатів, отриманих за допомогою різних методів. Bachelor thesis: 146 p., 42 figures, 21 tables, 28 sources, 3 appendices. The purpose of the work is to analyze and compare the results of forecasts of the dynamics of financial and economic processes, presented in the form of one- dimensional time series. The paper provides an overview of the properties of the course of modern financial and economic processes, well-known forecasting methods. The statistical tests used to classify processes are described. A general methodology for constructing process models based on the Box- Jenkins methodology is presented. Models of regression analysis and models based on neural networks used for forecasting time series are investigated and built, criteria for the quality of forecast estimates are described. A software product has been developed in the Python 3.7 programming language. in the Jupyter Notebook environment, which allows user to build forecasts of financial and economic time series using ARIMA model, MLP neural network, LSTM neural network. Described in detail the process of constructing and forecasting financial and economic processes based on statistical data. A comparative analysis of the results obtained using various methods is carried out. popup.nrat_date 2025-11-05 Close