Магістерські роботи (ІСТ)

Постійне посилання зібрання

https://ela.kpi.ua/handle/123456789/43243
У зібранні розміщено магістерські дисертації на здобуття ступеня магістра.

Переглянути

Перегляд Магістерські роботи (ІСТ) за Автор "Авраменко, Єлизавета Олексіївна"

Зараз показуємо 1 - 1 з 1
  • Ескіз
    ДокументВідкритий доступ
    Інформаційна система прогнозування фондового ринку на базі алгоритмів машинного навчання
    (КПІ ім. Ігоря Сікорського, 2024) Авраменко, Єлизавета Олексіївна; Онищенко, Вікторія Валеріївна
    Інформаційна система прогнозування фондового ринку на базі алгоритмів машинного навчання: 125 с., 23 табл., 32 рис., 9 дод., 48 джерел. Мета дослідження. Дана магістерська дисертація присвячена розробці та аналізу інформаційної системи, що використовує алгоритми машинного навчання для прогнозування фондового ринку. Цей напрямок має велике практичне значення, оскільки точність прогнозування фондових індексів може значно підвищити ефективність інвестиційних рішень. Об’єкт дослідження. Фондовий ринок США та його математична складова. Предмет дослідження. Пргнозування фондового ринку на базі алгоритмів машинного навчання. В роботі розглядаються ключові аспекти машинного навчання, включаючи різні типи алгоритмів (LSTM, ARIMA, Random Forest Regression) та їхню придатність для аналізу фінансових даних. Основна увага приділяється обробці та аналізу реальних ринкових даних, а також розробці моделей, які здатні ефективно прогнозувати рухи ринку. Дисертація включає практичну частину, де розроблена система тестується на історичних даних. Проводиться аналіз точності та надійності прогнозів, порівняння з традиційними методами прогнозування та оцінка потенційного впливу на інвестиційні стратегії. Результати дослідження демонструють, що використання алгоритмів машинного навчання може істотно покращити якість прогнозування фондового ринку. Це відкриває нові можливості для інвесторів та фінансових аналітиків у прийнятті обґрунтованих рішень, заснованих на передових технологіях обробки даних. Дисертація може бути корисною для фахівців у галузі фінансів, інвесторів, а також науковців, що займаються застосуванням машинного навчання у фінансовому секторі.