Пошук академічних текстів

Інформація × Реєстраційний номер 2121U007604, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Інформаційна технологія прогнозування нестаціонарних фінансових процесів на основі машинного навчання Автор Клименко Ірина ОлександрівнаKlymenko Iryna Oleksandrivna Дата публікації 01-01-2021 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/43781 Видання Київ Опис Дипломна робота: 87 с., 10 табл., 24 рис., 2 додатків, 34 джерел. Дана робота присвячена вивченню методів та моделей прогнозування нестаціонарних фінансових процесів. Також проведенню порівняльного аналізу методів прогнозування, а саме ARIMA та LSTM. Створено програмний продукт для досягнення поставлених цілей. Об’єкт дослідження – дані котирування цін індексу S&P 500. Предмет дослідження – методи прогнозування нестаціонарних фінансових процесів на основі машинного навчання – модель ARIMA та рекуретні нейронні мережі, а саме мережа LSTM. Мета роботи – виявлення ефективності та точності моделей ARIMA та LSTM, що використовуються для аналізу та прогнозування котирування біржових індексів. Актуальність – можливість достовірного передбачення вартості біржових індексів – це потужний інстумет в трейдингу на фінансовому ринку, котрий підвищує можливість отримання прибутку шляхом прийняття правильних рішень основаних на спрогнозованних данних. Шляхи подальшого розвитку предмету дослідження – розгляд та реалізація інших методів машинного навчання для визначення найточнішого методу прогнозування. Проведення досліджень методів для побудови торгових стратегій на фінансовому ринку. Розробка мобільного додатку з функціоналом прогнозування цін на світовому фінансовому ринку та побудовою автоматичних торгових стратегій. Thesis: 87 p., 10 tabl., 24 fig., 2 appendices, 34 sources. This work is devoted to the study of methods and models for forecasting non-stationary financial processes. Also, to conduct a comparative analysis of the considered forecasting methods. A software product has been created to achieve the set goals. The object of the research is data on quotations of S&P 500 index prices. The subject of research - methods of forecasting non-stationary financial processes based on machine learning – ARIMA model and recurrent neural networks – LSTM. The purpose of the work is to identify the effectiveness and accuracy of some models used to analyze and predict the quotations of stock indices. Relevance – the ability to reliably predict the value of stock indices is a powerful tool in trading in the financial market, which increases the possibility of making a profit by making the right decisions based on forecast data. Further development of the subject of research – consideration and implementation of other machine learning methods to determine the most accurate method of forecasting. Conducting research on methods for building trading strategies in the financial market. Development of a mobile application with the functionality of price forecasting in the global financial market and a set of automatic trading strategies. Додано в НРАТ 2025-11-05 Закрити