Пошук академічних текстів

Інформація × Реєстраційний номер 2121U008265, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Система управління ринковим портфелем на основі навчання з підкріпленням Автор Руденко Владислав ВалерійовичRudenko Vladyslav Valeriiovych Дата публікації 01-01-2021 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/45333 Видання Київ Опис Дипломна робота містить: Т с., 30 рис., 3 додатків, 6 табл., 28 джерел. Об'єктом дослідження цієї роботи є ринок акцій компаній, а саме активів з індексу S&P 500. Предметом дослідження є методи штучного інтелекту, а саме навчання з підкріпленням, для оптимізації інвестиційного портфоліо. Програмною мовою була обрана мова Python. В даній роботі проведено дослідження фінансових ринків та методів вирішення задачі оптимізації портфоліо. Для побудови системи було використано фреймворк FastAPI, бази даних PostgreSQL та MongoDB, та фреймворк для виконання задач Celery з бекендом у вигляді Redis. Для побудови моделей були використані методи машинного навчання. При виконанні роботи було повністю розроблено систему для збору та агрегації даних про різні активи та компанії, також було натреновано 3 агенти навчання з підкріпленням для задачі оптимізації портфоліо. The work consists of: N p., 30 fig., 3 add., 6 tabl., 28 references. The object of study of this work is the stock market of companies, namely the assets of the S&P 500 index. The subject of research is the methods of artificial intelligence, namely reinforcement learning, to optimize the investment portfolio. Python was chosen as the programming language. In this paper, a study of financial markets and methods for solving the problem of portfolio optimization. The FastAPI framework, PostgreSQL and MongoDB databases, and the Celery framework with a Redis backend were used to build the system. Machine learning methods were used to build the models. During the work, a system for collecting and aggregating data on various assets and companies was fully developed, and 3 reinforcement learning agents were trained for the task of portfolio optimization. Додано в НРАТ 2025-11-05 Закрити