Формування оптимального портфелю інвестора з використанням методів машинного навчання

Скорочена інформація про документ
dc.contributor.advisorКузнєцова, Наталія Володимирівна
dc.contributor.authorКичигіна, Анастасія Юріївна
dc.date.accessioned2022-09-21T14:09:54Z
dc.date.available2022-09-21T14:09:54Z
dc.date.issued2021
dc.description.abstractenMaster’s Thesis: 130 pp, 18 Fig, 16 tables, 1 supplement, 24 sources. Relevance of the topic: Today there are many opportunities for passive or active financial enrichment. One of the many opportunities is to invest in passive income. However, among the wide variety of opportunities for financial investment, it is necessary to approach the choice of investment object wisely. That is why the field of research on the formation and optimization of the investor's portfolio is and will remain a topical issue. The purpose of this work is to study financial data and use machine learning methods to build financial and economic forecasts in order to optimize the investor's portfolio. Object of research: financial time series of stock prices on the stock exchange. Research methods: methods of analysis of time series ARIMA, AR, GARCH, TARCH, XGboost, Random forest, neural network, radial-basis functions, Sharpe's test, Markovic model. . The software product is implemented using the Python programming language in the Jupyter notebook development environment. Results obtained: A methodology for portfolio optimization based on forecasting financial data distributed as a time series has been developed.uk
dc.description.abstractukМагістерська дисертація: 130с., 18 рис., 16 табл., 1 додаток, 24 джерела. Актуальність теми: На сьогоднішній .день існує багато можливостей для пасивного чи активного фінансового збагачення. Одна із багатьох можливостей – це інвестування коштів з метою отримання пасивного прибутку. Проте серед великого різноманіття можливостей для фінансових інвестицій необхідно розумно підійти до вибору об’єкту інвестування. Саме тому область дослідження формування та оптимізації портфеля інвестора є і буде залишатися надалі актуальною темою. Мета даної роботи полягає у дослідженні фінансових даних та використанні методів машинного навчання для побудови фінансово- економічних прогнозів з метою оптимізації портфеля інвестора. Об’єкт дослідження: фінансові часові ряди цін акцій на біржі. Методи дослідження: методи аналізу часових рядів ARIMA, AR, GARCH, TARCH, XGboost, Random forest, нейронна мережа, радіально- базисні функції, критерій Шарпа, модель Марковіца. . Програмний продукт реалізований за допомогою мови програмування Python у середовищі розробки Jupyter notebook. Отримані результати: Розроблено методологію портфельної оптимізації на основі прогнозування фінансових даних, розподілених як часовий ряд.uk
dc.format.page130 с.uk
dc.identifier.citationКичигіна, А. Ю. Формування оптимального портфелю інвестора з використанням методів машинного навчання : магістерська дис. : 122 Комп'ютерні науки / Кичигіна Анастасія Юріївна. - Київ, 2021. - 130 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/49946
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectціни акційuk
dc.subjectпрогнозуванняuk
dc.subjectarmauk
dc.subjectarimauk
dc.subjecttarchuk
dc.subjectgarchuk
dc.subjectнейронна мережаuk
dc.subjectxgboostuk
dc.subjectrandom forestuk
dc.subjectкласифікаторuk
dc.subjectпортфельна оптимізаціяuk
dc.subjectмарковіцuk
dc.subjectshare pricesuk
dc.subjectforecastinguk
dc.subjectneural networkuk
dc.subjectclassifieruk
dc.subjectportfolio optimizationuk
dc.subjectmarkowitzuk
dc.subject.udc519.688uk
dc.titleФормування оптимального портфелю інвестора з використанням методів машинного навчанняuk
dc.typeMaster Thesisuk

Файли

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

Зібрання

Магістерські роботи (ММСА)
Магістерські роботи