Improving the accuracy of neural network exchange rate forecasting using evolutionary modeling method

Скорочена інформація про документ
dc.contributor.authorFedin, S. S.
dc.date.accessioned2025-02-05T13:51:01Z
dc.date.available2025-02-05T13:51:01Z
dc.date.issued2024
dc.description.abstractA set ofmodels of feedforward neural networks is created to obtain op-erational forecasts of the time series of the hryvnia/dollar exchange rate. It is shown that using an evolutionary algorithm for the total search of basic characteristics and a genetic algorithm for searching the values of the matrix of neural network weight coefficients allows optimizing the configuration and selecting the best neural net-work models according to various criteria of their training and testing quality. Based on the verification of forecasting results, it is established that the use of neural net-work models selected by the evolutionary modelling method increases the accuracy of forecasting the hryvnia/dollar exchange rate compared to neural network models created without the use of a genetic algorithm. The accuracy of the forecasting re-sults is confirmed by the method of inverse verification using data from different retrospective periods of the time series using the criterion of the average absolute percentage error of the forecast
dc.description.abstractotherСтворено набір моделей прямої нейронної мережі для отримання оперативних прогнозів часових рядів обмінного курсу гривні до долара. Показано, що використання еволюційного алгоритму сумарного пошуку базових характеристик та генетичного алгоритму пошуку значень матриці вагових коефіцієнтів нейронної мережі дозволяє оптимізувати конфігурацію та вибрати найкращі моделі нейронної мережі за різними критеріями якості їх навчання та тестування. На основі верифікації результатів прогнозування встановлено, що використання нейромережевих моделей, відібраних методом еволюційного моделювання, підвищує точність прогнозування курсу гривні до долара порівняно з нейромережевими моделями, створеними без використання генетичного алгоритму. Точність результатів прогнозування підтверджується методом зворотної перевірки з використанням даних різних ретроспективних періодів динамічного ряду з використанням критерію середньої абсолютної відсоткової похибки прогнозу.
dc.format.pagerangeС. 7-24
dc.identifier.citationFedin, S. S. Improving the accuracy of neural network exchange rate forecasting using evolutionary modeling method / S. S. Fedin // Системні дослідження та інформаційні технології : міжнародний науково-технічний журнал. – 2024. – № 3. – С. 7-24. – Бібліогр.: 31 назв.
dc.identifier.doihttps://doi.org/10.20535/SRIT.2308-8893.2024.3.01
dc.identifier.orcid0000-0001-9732-632X
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/72364
dc.language.isoen
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.sourceСистемні дослідження та інформаційні технології : міжнародний науково-технічний журнал, №
dc.subjectexchange rate
dc.subjectgenetic algorithm
dc.subjectevolutionary modeling
dc.subjectneural net-work
dc.subjectoptimization
dc.subjectforecasting
dc.subjectaccuracy
dc.subjecttime series
dc.subjectобмінний курс
dc.subjectгенетичний алгоритм
dc.subjectеволюційне моделювання
dc.subjectнейронна мережа
dc.subjectоптимізація
dc.subjectпрогнозування
dc.subjectточність
dc.subjectчасові ряди
dc.subject.udc004.8:336
dc.titleImproving the accuracy of neural network exchange rate forecasting using evolutionary modeling method
dc.title.alternativeПідвищення точності нейромережевого прогнозування валютного курсу за допомогою методів еволюційного моделювання
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
315124-Article-Text-729751-1-10-20241113.pdf
Розмір:
343.99 KB
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

Системні дослідження та інформаційні технології: міжнародний науково-технічний журнал, № 3