Система підтримки прийняття рішень для прогнозування нелінійних нестаціонарних процесів у фінансах

Скорочена інформація про документ
dc.contributor.advisorБідюк, Петро Іванович
dc.contributor.authorГуць, Євгеній Віталійович
dc.date.accessioned2021-04-08T11:15:12Z
dc.date.available2021-04-08T11:15:12Z
dc.date.issued2020
dc.description.abstractenThe master thesis consist of 118 pages, 44 images, 36 tables , 1 appendice, 18 sources. The theme: «Decision support system for forecasting nonlinear non- stationary processes in finance». This work is devoted to the study of forecasting methods and methods of constructing models of nonlinear non-stationary processes, the recurrent neural networks and its application on statistical data sets of financial data. The object of the work is nonlinear non-stationary processes, presented in the form of statistical data on the pricing of shares of major global technology companies. The subject of research is probabilistic-statistical and data mining methods for modeling and forecasting the development of nonlinear non-stationary processes, sets of criteria for analyzing the adequacy of models and assessing the quality of forecasts. The purpose of the thesis is to study the main principles of models construction and forecasting using the neural network LSTM, as well as the development of a software product for obtaining practical results and comparing the operation of the algorithm on different sets of financial data.uk
dc.description.abstractukМагістерська дисертація: 118с., 44 рис., 36 табл., 1 додаток, 18 джерел. Дана робота присвячена вивченню методів прогнозування та методик побудови моделей нелінійних нестаціонарниї процесів, а саме методу рекурентних нейронних мереж та застосування його на статистичних наборах фінансових даних. Об’єктом дослідження є нелінійні нестаціонарні процеси, подані у вигляді статистичних даних стосовно ціноутворення акцій великих світових технологічних компаній. Предметом дослідження є ймовірнісно-статистичні та методи інтелектуального аналізу даних для моделювання і прогнозування розвитку нелінійних нестаціонарних процесів, множини критеріїв для аналізу адекватності моделей та оцінювання якості прогнозів. Метою магістерської роботи є вивчення основних засад побудови моделей та прогнозування з використанням нейронної мережі LSTM, а також розробка програмного продукту для отримання практичних результатів та порівняння роботи алгоритму на різних наборах фінансових даних.uk
dc.format.page118 с.uk
dc.identifier.citationГуць, Є. В. Система підтримки прийняття рішень для прогнозування нелінійних нестаціонарних процесів у фінансах : магістерська дис. : 122 Комп'ютерні науки / Гуць Євгеній Віталійович. – Київ, 2020. – 118 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/40498
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectнелінійні нестаціонарні процесиuk
dc.subjectфінансові процесиuk
dc.subjectакції компанійuk
dc.subjectінтелектуальний аналіз данихuk
dc.subjectрекурентні нейронні мережіuk
dc.subjectпрогнозуванняuk
dc.subjectnonlinear processesuk
dc.subjectfinancial processesuk
dc.subjectcompany stocksuk
dc.subjectintellectual analysis of datauk
dc.subjectrecurrent neural networksuk
dc.subjectforecastinguk
dc.subject.udc004.942:519.216.3uk
dc.titleСистема підтримки прийняття рішень для прогнозування нелінійних нестаціонарних процесів у фінансахuk
dc.typeMaster Thesisuk

Файли

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

Зібрання

Магістерські роботи (ММСА)
Магістерські роботи