Пошук академічних текстів

Інформація × Реєстраційний номер 2125U003174, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Прогнозування акцій з використанням моделей і методів інтелектуального аналізу даних Автор Чернякова Олександра ПавлівнаChernyakova Oleksandra Pavlivna Дата публікації 01-01-2025 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/76195 Видання Київ Опис Дипломна робота: 124 с., 26 рис., 7 табл., 3 дод., 30 джерел. Мета роботи: дослідження моделей інтелектуального аналізу даних що застосовуються для прогнозування динаміки акцій на фондовому ринку. Об’єкт дослідження: процеси аналізу динаміки фінансових часових рядів на фондовому ринку. Предмет дослідження: методи прогнозування фінансових часових рядів із використанням інтелектуальних моделей. У роботі проведено детальний огляд предметної області фінансового ринку, визначено ключові параметри та індикатори для моделювання та прогнозування цін акцій. Розглянуто методи технічного аналізу — ковзні середні, індикатори обсягу та ринкових імпульсів. Здійснено формування інвестиційного портфеля за допомогою моделі Марковіца та оцінено ефективність розподілу активів з урахуванням ризику та дохідності. Додатково реалізовано метод Монте-Карло для моделювання можливих сценаріїв ринкової динаміки. У рамках роботи побудовано модель на основі рекурентної нейронної мережі типу LSTM для прогнозування ціни закриття акцій компанії Apple. Оцінено точність моделі за допомогою метрик RMSE, MAE, MAPE та R2. Додатково реалізовано альтернативний метод прогнозування із використанням експоненційного ковзного середнього (EMA). Розроблено програму мовою Python з інтерактивною візуалізацією результатів за допомогою бібліотек Plotly та Matplotlib. Доведено ефективність інтелектуальних методів у вирішенні фінансових задач. Thesis: 124 pages, 26 figures, 7 tables, 3 appendices, 30 references. Research objective: to study data mining models applied to forecasting stock market dynamics. Object of the study: processes of analyzing the dynamics of financial time series in the stock market. Subject of the study: methods for forecasting financial time series using intelligent models. This work presents a detailed overview of the stock market domain and defines key parameters and indicators for modeling and forecasting stock prices. Methods of technical analysis are considered — including moving averages, volume indicators, and market momentum indicators. An investment portfolio was formed using the Markowitz model, and the effectiveness of asset allocation was evaluated considering risk and return. Additionally, the Monte Carlo method was implemented to model possible future market scenarios. As part of the thesis, a model based on a Long Short-Term Memory (LSTM) recurrent neural network was built to predict the closing price of Apple Inc. stock. The model’s accuracy was evaluated using RMSE, MAE, MAPE, and R² metrics. An alternative forecasting method based on Exponential Moving Average (EMA) was also implemented. A Python-based software tool was developed with interactive visualization of results using the Plotly and Matplotlib libraries. The effectiveness of intelligent methods in solving financial problems has been proven. Додано в НРАТ 2025-11-05 Закрити