Прогнозування цін акцій за допомогою історичних даних та сентиментального скорингу новин з використанням методів напівкерованого навчання

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorКачан, Дмитро Сергійович
dc.date.accessioned2025-02-19T08:58:58Z
dc.date.available2025-02-19T08:58:58Z
dc.date.issued2024
dc.description.abstractМагістерська дисертація: 102 с., 16 рис., 25 табл., 19 посилань, додаток. Це дослідження присвячено розробці моделі для прогнозування цін акцій компанії Amazon на основі комбінації історичних даних та сентиментального аналізу новин. Об’єкт дослідження: процес прогнозування цін акцій на основі різних джерел інформації, зокрема історичних даних та аналізу новин, що включає застосування методів машинного навчання. Предмет дослідження: моделі машинного навчання, зокрема напівкеровані методи навчання для аналізу інформації новин та історичних даних для передбачення цін акцій на фінансових ринках. Мета дослідження: розробка ефективної методології прогнозування цін акцій, що поєднує історичні фінансові дані та сентиментальний аналіз новин, з використанням напівкерованих методів машинного навчання для поліпшення точності прогнозів. Практична значущість: Розроблена модель може бути використана інвесторами та аналітиками для прийняття обґрунтованих рішень щодо інвестування. Перспективи подальших досліджень: Розширення дослідження на інші фінансові інструменти та компанії, дослідження впливу різних факторів на точність прогнозів, а також розробка більш складних моделей, що враховують додаткові фактори, такі як новини з інших джерел, соціальні мережі тощо. Результати дослідження апробовано на МНПК «Інформаційні технології та комп’ютерне моделювання» (м. Івано-Франківськ, 21-24 травня 2024 року) [16]
dc.description.abstractotherMaster's thesis: 102 p., 16 fig., 25 tab., 19 ref., appendix. This study is devoted to the development of a model for predicting Amazon stock prices based on a combination of historical data and sentiment analysis of news. Object of research: the process of forecasting stock prices based on various sources of information, including historical data and news analysis, including the use of machine learning methods. Subject of research: machine learning models, in particular semi-supervised learning methods for analyzing news and historical data to predict stock prices in financial markets. Purpose of the study: to develop an effective methodology for predicting stock prices that combines historical financial data and sentiment news analysis, using semi-supervised machine learning methods to improve the accuracy of forecasts. Practical significance: The developed model can be used by investors and analysts to make informed decisions about investing in stock. Prospects for further research: Expanding the study to other financial instruments and companies, investigating the impact of various factors on forecast accuracy, and developing more complex models that take into account additional factors such as news from other sources, social media, etc. The results of the study were approbated at the International Scientific and Practical Conference “Information Technologies and Computer Modeling” (Ivano-Frankivsk, May 21-24, 2024) [16].
dc.format.extent102 с.
dc.identifier.citationКачан, Д. С. Прогнозування цін акцій за допомогою історичних даних та сентиментального скорингу новин з використанням методів напівкерованого навчання : магістерська дис. : 122 Комп'ютерні науки / Качан Дмитро Сергійович. - Київ, 2024. - 102 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/72605
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectпрогнозування цін акцій
dc.subjectмашинне навчання
dc.subjectнапівкероване навчання
dc.subjectсентиментальний аналіз
dc.subjectpython
dc.subjectyfinance
dc.subjectalpha vantage
dc.subjectstock price forecasting
dc.subjectmachine learning
dc.subjectsemi- supervised learning
dc.subjectsentiment analysis
dc.subject.udc004.8’912::336.76:659.3:159.942(043.3)
dc.titleПрогнозування цін акцій за допомогою історичних даних та сентиментального скорингу новин з використанням методів напівкерованого навчання
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Kachan_magistr.pdf
Розмір:
1.94 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 (ШІ)
Магістерські роботи