Search academic texts

Information × Registration Number 2119U007401, Article popup.category Бакалаврська робота Title Methods of prediction of time series on the example of share prices (AI translated) popup.author Олексієнко Ганна ОлегівнаOleksiienko Hanna Olehivna popup.publication 01-06-2019 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/29130 popup.publisher Київ Description Дипломна робота: 154 с., 19 рис., 12 табл., 3 додатки, 13 джерел. Об’єкт дослідження – дані про акції компанії Google з офіційного сайту фондової біржі NASDAQ за 5 років, починаючи з 1 квітня 2014 року. Предмет дослідження – методи прогнозування часових рядів: традиційні моделі авторегресії ARMA, ARIMA, експоненційне згладжування, а також методи інтелектуального аналізу даних з використанням штучних нейронних мереж та глибинного навчання – згорткові та рекурентні нейронні мережі. Мета роботи – проаналізувати предмет дослідження, виявити параметри впливу на ефективність та точність деяких моделей, що використовуються для аналізу та прогнозування вартості акцій. Метод дослідження – розгляд та аналіз методів передбачення за обраними метриками. Актуальність – надання можливість точного передбачення вартості акцій, що сприятиме ймовірному отриманню фінансового прибутку компаніями, урядом або іншими гравцями на фондових біржах. Було проведено порівняльний аналіз розглянутих методів прогнозування. Шляхи подальшого розвитку предмету дослідження – методи ансамблевого навчання нейронних мереж, створення нових ознак для нейронних мереж, збір більшого датасету для прогнозування. Thesis: 154 p., 19 fig., 12 tabl., 3 appendixes, 13 sources The object of this research is time series of Google LLC share prices from the official NASDAQ Stock Exchange data starting April 1, 2014. The subject of the research is the methods of prediction of time series: traditional models of auto­regression, smoothing techniques and machine learning methods with the use of artificial neural networks and deep learning. The purpose of the work is to analyze the subject of the research, to find out the parameters which influence the efficiency and accuracy of models for analysis and forecast he share prices. The methods of research include the consideration and analysis of prediction methods using specific metrics. The relevance of the topic assumes that the accurate prediction at financial market may contribute to the financial benefits for companies, government and other players on stock exchanges. A comparative analysis of the considered forecasting methods was conducted. The further development of the subject of research includes ensemble learning methods for neural networks, feature engineering, collecting a larger data set for forecasting. popup.nrat_date 2025-11-05 Close