Моделювання торгових сигналів на основі аналізу фінансових часових рядів за допомогою мереж Колмогорова-Арнольда

Скорочена інформація про документ
dc.contributor.advisorШаповал, Наталія Віталіївна
dc.contributor.authorДеркач, Анастасія Сергіївна
dc.date.accessioned2026-02-02T14:33:33Z
dc.date.available2026-02-02T14:33:33Z
dc.date.issued2025
dc.description.abstractДипломна робота – 89 с., 8 табл., 6 рис., додаток, 21 джерел. Тема: Моделювання торгових сигналів на основі аналізу фінансових часових рядів за допомогою мереж Колмогорова-Арнольда. У роботі розглянуто проблему прогнозування високоризикових фінансових ринків та проаналізовано недоліки існуючих методів, зокрема класичного технічного аналізу та традиційних нейронних мереж (MLP), які страждають від проблеми «чорної скриньки». Запропоновано новий підхід до генерації торгових сигналів, що базується на використанні інтерпретованих властивостей та навчальних сплайнів мереж Колмогорова-Арнольда (KAN). Об’єкт дослідження: фінансові часові ряди на ринках криптовалют та акцій. Предмет дослідження: нейронні мережі Колмогорова-Арнольда для аналізу ринкових даних та моделювання ефективних торгових сигналів. Мета роботи: розробити та дослідити модель для генерації точних торгових сигналів на основі KAN з метою оптимізації торгових стратегій та можливості виявити приховані аналітичні залежності ринку. В ході виконання роботи досліджено математичні основи теореми Колмогорова-Арнольда та теорію B-сплайнів. Розроблено адаптивну архітектуру UltraKAN та механізм символьної дистиляції, що дозволяє відновлювати аналітичні формули прийняття рішень з навченої моделі. Програмна реалізація виконана мовою Python з використанням бібліотек PyTorch, yfinance та scikit-learn. Ефективність методу перевірено на реальних історичних даних активів Bitcoin, Ethereum та Meta, продемонстровано переваги запропонованого підходу над класичними нейромережами та пасивними стратегіями за показниками прибутковості та коефіцієнтом Шарпа.
dc.description.abstractotherMaster's Thesis – 89 p., 8 tables, 6 figures, appendix, 21 sources. Topic: Modeling Trading Signals Based on Financial Time Series Analysis Using Kolmogorov–Arnold Networks. The thesis addresses the problem of forecasting high-risk financial markets and analyzes the drawbacks of existing methods, particularly classical technical analysis and traditional neural networks (MLP), which suffer from the "black-box" problem. A new approach to generating trading signals is proposed, based on the use of the interpretable properties and trainable splines of Kolmogorov–Arnold Networks (KAN). Object of Study: Financial time series in cryptocurrency and stock markets. Subject of Study: Kolmogorov–Arnold Networks for analyzing market data and modeling effective trading signals. Goal of the Thesis: To develop and investigate a model for generating accurate trading signals based on KAN, aiming to optimize trading strategies and enable the discovery of hidden analytical market dependencies. During the execution of the work, the mathematical foundations of the Kolmogorov–Arnold theorem and B-spline theory were explored. An adaptive UltraKAN architecture and a symbolic distillation mechanism were developed, allowing the recovery of analytical decision-making formulas from the trained model. The software implementation was performed in Python using the PyTorch, yfinance, and scikit-learn libraries. The method's effectiveness was verified using real historical data for Bitcoin, Ethereum, and Meta assets, demonstrating the advantages of the proposed approach over classical neural networks and passive strategies in terms of profitability and the Sharpe ratio.
dc.format.extent89 с.
dc.identifier.citationДеркач, А. С. Моделювання торгових сигналів на основі аналізу фінансових часових рядів за допомогою мереж Колмогорова-Арнольда : магістерська дис. : 124 Системний аналіз / Деркач Анастасія Сергіївна. – Київ, 2025. – 89 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78598
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectфінансові часові ряди
dc.subjectалгоритмічна торгівля
dc.subjectпрогнозування
dc.subjectв сплайни
dc.subjectсимвольна дистиляція
dc.subjectKAN
dc.subjectмережі Колмогорова-Арнольда
dc.subject.udc303.732.4+004.852+336.76
dc.titleМоделювання торгових сигналів на основі аналізу фінансових часових рядів за допомогою мереж Колмогорова-Арнольда
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Derkach_magistr.pdf
Розмір:
1.79 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