Підхід щодо моделювання вартості акцій по закриттю біржового ринку із використанням нейронних мереж

Скорочена інформація про документ
dc.contributor.advisorСавастьянов, Володимир Володимирович
dc.contributor.authorГирила, Степан Ігорович
dc.date.accessioned2025-01-28T12:33:30Z
dc.date.available2025-01-28T12:33:30Z
dc.date.issued2024
dc.description.abstractЗагальний обсяг роботи: 108 с., 39 рис., 21 табл., 2 дод., 33 джерела. Об’єкт дослідження: відкриті дані про торги акціями на фондовому ринку. Мета дослідження: дослідження ефективності існуючих моделей для прогнозування вартості акцій на фондовому ринку, виявлення їх сильних та слабких сторін у контексті волативності ринку. Актуальність дослідження: прогнозування вартості акцій на фоні зростаючої волативності фондових ринків є важливою темою для інвесторів та трейдерів. Дослідження спрямоване на аналіз ефективності популярних методів машинного навчання, включно з алгоритмами глибокого навчання, у контексті підвищення точності прогнозів вартості акцій за умов зростаючої волативності ринків. У його рамках передбачено вивчення сучасних моделей прогнозування вартості акцій із оцінкою їх результативності за різного рівня волативності вхідних даних. Також увагу буде приділено виявленню існуючих вад і обмежень поширених методів прогнозування. У даній роботі буде представлена програмна реалізація багатошарової нейронної мережі, мережі довгої короткочасної пам’яті та методу Random Forest. Для реалізації було обрано мову програмування Python (версія 3.9.12) та середу розробки Jupyter Notebook.
dc.description.abstractotherTotal amount of work: 108 p., 39 figures, 21 tables, 2 appendices, 33 sources. Object of research: open data on stock trading in the stock market. Purpose of the study: to study the effectiveness of existing models for predicting the value of shares in the stock market, to identify their strengths and weaknesses in the context of market volatility. The relevance of the study: forecasting the value of shares against the background of growing volatility of stock markets is an important topic for investors and traders. The study aims to analyze the effectiveness of popular machine learning methods, including deep learning algorithms, in improving the accuracy of stock price forecasts in the context of growing market volatility. The study envisages examining modern stock price forecasting models with an assessment of their performance at different levels of input volatility. Attention will also be paid to identifying the existing shortcomings and limitations of common forecasting methods. In this paper, will be present a software implementation of a multilayer neural network, a long short-term memory network, and the Random Forest method. For the implementation, we chose the Python programming language (version 3.9.12) and the Jupyter Notebook development environment.
dc.format.extent108 с.
dc.identifier.citationГирила, С. І. Підхід щодо моделювання вартості акцій по закриттю біржового ринку із використанням нейронних мереж : магістерська дис. : 124 Системний аналіз / Гирила Степан Ігорович. - Київ, 2024. - 108 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/72255
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectвартість акцій
dc.subjectпрогнозування
dc.subjectнейронні мережі
dc.subjectфондовий ринок
dc.subjectrandom forest
dc.subjectdnn
dc.subjectlstm
dc.subjectstock price
dc.subjectforecasting
dc.subjectneural networks
dc.subjectstock market
dc.subject.udc303.732.4
dc.titleПідхід щодо моделювання вартості акцій по закриттю біржового ринку із використанням нейронних мереж
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Hyryla_magistr.pdf
Розмір:
2.76 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