Search academic texts

Information × Registration Number 2121U007452, Article popup.category Бакалаврська робота Title Модуль прогнозування нелінійних нестаціонарних процесів у фінансах (AI translated) popup.author Міщенко Дарина ВадимівнаMishchenko Daryna Vadymivna 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/123456789/45452 popup.publisher Київ Description Дипломна робота: 92 с., 9 табл., 25 рис., 2 додатки, 16 джерел. Об’єкт дослідження – нестаціонарні процеси у фінансах (фондові ринки). Мета роботи – розглянути теоретичні основи моделювання та прогнозування нестаціонарних процесів, побудувати моделі для прогнозування фінансово економічних даних та виконати їх порівняння для вибору моделі, що дає найкращий результат. Методи дослідження – авторегресійні моделі, рекурентна нейронна мережа довгої короткострокової пам’яті та метод к-найближчих сусідів. Результатом роботи є побудована модель, що прогнозує ціну закриття акцій на фондовому ринку, а саме модель, що була обрана шляхом порівняння з іншими за метриками (MAE, MSE, MSLE, MAPE). Результати даної роботи можна застосовувати для аналізу ринку та торгівлі акціями. Для проведення аналізу було використано реальні дані цін акцій різних компаній на фондовому ринку. Thesis: 92 p., 9 tabl., 25 fig., 2 aappendices, 16 sources. The object of research – non-stationary processes in finance (stock markets). The purpose of the work is to consider the theoretical foundations of modeling and forecasting of non-stationary processes, to build models for forecasting financial and economic data, and to compare them with the purpose of choosing the model that gives the best result. The research methods are autoregressive models, the recurrent neural networks with long short-term memory, and the method of k-nearest neighbors. The result is a model that predicts the closing price of shares in the stock market, namely the model that was chosen by comparison with others by metrics as Mean Absolute Error, Mean Square Error, Mean Squared Logarithmic Error and Mean Absolute Percentage Error. The results of this work can be used for market analysis and stock trading. Real stock price data of various companies on the stock market were used for the analysis. popup.nrat_date 2025-11-05 Close