Інтелектуальна система прогнозування фінансових часових рядів

Скорочена інформація про документ
dc.contributor.advisorСелін, Юрій Миколайович
dc.contributor.authorМакітрук, Максим Тарасович
dc.date.accessioned2026-02-03T13:41:59Z
dc.date.available2026-02-03T13:41:59Z
dc.date.issued2025
dc.description.abstractМагістерська дисертація: 129 с., 9 рис., 29 табл., 2 дод., 27 джерел. Актуальність теми. Сучасні фінансові ринки характеризуються високою волатильністю, нелінійністю та нестаціонарністю, що знижує ефективність класичних статистичних моделей прогнозування й ускладнює управління ризиками. Метою роботи є розроблення та експериментальна перевірка інтегрованої інтелектуальної системи прогнозування фінансових часових рядів і розподілу фінансового ресурсу на основі LSTM, методів оцінки прогнозної невизначеності та портфельної оптимізації. Об’єктом дослідження є фінансові часові ряди біржових активів. Предметом дослідження є методи їх прогнозування та моделі розподілу фінансового ресурсу з урахуванням невизначеності прогнозу. У роботі проаналізовано класичні статистичні моделі та нейронні мережі, обґрунтовано вибір моделі LSTM. Розроблено LSTM-архітектуру з ковзним вікном та autoregressive rolling forecast для прогнозу. Запропоновано три підходи до оцінки невизначеності прогнозу і реалізовано чотири моделі розподілу фінансового ресурсу. Експериментальні дослідження виконано з використанням Python, TensorFlow/Keras, NumPy та Pandas. Наукова новизна полягає у створенні інтегрованої системи, що поєднує LSTM-прогноз із багаторівневою оцінкою невизначеності та використанням інтервалів довіри в моделях оптимізації. Практичне значення роботи полягає у розробленні програмної системи та стартап-проєкту «MakProphet» для підтримки інвестиційних рішень на нестабільних фінансових ринках.
dc.description.abstractotherMaster’s thesis: 129 pages, 9 figures, 29 tables, 2 appendices, 27 references. Relevance of the topic. Modern financial markets are characterized by high volatility, nonlinearity, and non-stationarity, which reduces the effectiveness of classical statistical forecasting models and complicates risk management. The aim of the study is to develop and experimentally validate an integrated intelligent system for forecasting financial time series and allocating financial resources based on LSTM models, methods for forecasting uncertainty estimation, and portfolio optimization approaches. The object of the study is financial time series of exchange-traded assets. The subject of the study comprises methods for forecasting financial time series and models for financial resource allocation under forecasting uncertainty. The study analyzes classical statistical models and neural networks and substantiates the choice of the LSTM model. An LSTM architecture with a sliding window and an autoregressive rolling forecast mechanism is developed. Three approaches to forecasting uncertainty estimation are proposed, and four models for financial resource allocation are implemented. Experimental studies are conducted using Python, TensorFlow/Keras, NumPy, and Pandas. The scientific novelty of the research lies in the development of an integrated system that combines LSTM-based forecasting with multi-level uncertainty estimation and the use of confidence intervals in portfolio optimization models. The practical significance of the work consists in the development of a software system and the startup project MakProphet aimed at supporting investment decision-making in unstable financial markets.
dc.format.extent129 с.
dc.identifier.citationМакітрук, М. Т. Інтелектуальна система прогнозування фінансових часових рядів : магістерська дис. : 124 Системний аналіз / Макітрук Максим Тарасович. – Київ, 2025. – 129 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78619
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectфінансові часові ряди
dc.subjectlstm
dc.subjectневизначеність прогнозу
dc.subjectfinancial time series
dc.subjectlstm
dc.subjectforecasting uncertainty
dc.subjectmonte carlo
dc.subjectblack–litterman
dc.subjectrisk parity
dc.subjectdro
dc.subjectfintech
dc.subject.udc303.732.4+004.852+336.76
dc.titleІнтелектуальна система прогнозування фінансових часових рядів
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Makitruk_magistr.pdf
Розмір:
2.79 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ММСА)
Магістерські роботи