Інформаційна система для прогнозування котирування акцій методами машинного навчання

Скорочена інформація про документ
dc.contributor.advisorЖиров, Олександр Леонідович
dc.contributor.authorНочовний, Олексій Олександрович
dc.date.accessioned2021-04-12T14:27:47Z
dc.date.available2021-04-12T14:27:47Z
dc.date.issued2020
dc.description.abstractenThe master’s thesis: 80 pages 22 images 19 tables 18 sources The theme: «Information system for prediction stock quotes using machine learning». Modeling and forecasting of time series is of fundamental importance for various practical applications. In this regard, in recent years there have been many scientific papers on this topic. The literature offers many important models for improving the accuracy and efficiency of modeling and forecasting time series, as well as an overview of the models themselves for forecasting time series. The relevance of the dissertation is due to the extraordinary development of machine learning, namely neural network technologies and artificial intelligence, the need to improve the results of forecasting. The purpose of the thesis is to describe and compare such an extremely popular method for forecasting stock quotes as ARIMA with the latest developments in the field of forecasting - Facebook Prophet and such machine learning methods as LightGBM and LSTM. The subject of research is neural networks based on recurrent architecture, data forecasting based on the additive model, the decision tree and their capabilities and prospects in the field of financial forecasting. The object of my research is stock quotes presented in the form of time series based on statistics on their dynamics.uk
dc.description.abstractukМагістерська дисертація: 80 с., 22 рис., 19 табл., 1 додаток, 18 джерел. Моделювання та прогнозування часових рядів має принципове значення для різного практичного застосування. В зв'язку з цим, протягом останніх років у цій темі було безліч наукових робіт. У літературі запропоновано багато важливих моделей для підвищення точності та ефективність моделювання та прогнозування часових рядів, а також огляд самих моделей для прогнозування часових рядів. Актуальність дисертації зумовлена надзвичайним розвитком машинного навчання, а саме нейромережевих технологій та штучного інтелекту, потребою в покращенні результатів прогнозування. Мета дипломної робот - опис та порівняльний аналіз такого надзвичайно популярного методу для прогнозування котирування акцій як АРІКС з новітніми розробками в галузі прогнозування - Facebook Prophet та такими методами машинного навчання як LightGBM та LSTM. Предметом дослідження є нейронна мережа на основі рекурентної архітектури, прогнозування даних на основі адитивної моделі, дерево рішень і їх можливість та перспективи у сфері фінансового прогнозування. Об’єктом мого дослідження є котирування акцій представлені у вигляді часових рядів на основі статистичних даних стосовно їхньої динаміки.uk
dc.format.page86 с.uk
dc.identifier.citationНочовний, О. О. Інформаційна система для прогнозування котирування акцій методами машинного навчання : магістерська дис. : 122 Комп'ютерні науки / Ночовний Олексій Олександрович. – Київ, 2020. – 86 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/40536
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectчасові рядиuk
dc.subjectстохастична модель авторегресії з інтегрованим ковзним середнімuk
dc.subjectштучні нейронні мережіuk
dc.subjecttime seriesuk
dc.subjectstochastic autoregression model with integrated sliding averageuk
dc.subjectlightgbmuk
dc.subjectfacebook prophetuk
dc.subjectartificial neural networksuk
dc.subjectLSTMuk
dc.subject.udc004.855.5:519.876.2uk
dc.titleІнформаційна система для прогнозування котирування акцій методами машинного навчанняuk
dc.typeMaster Thesisuk

Файли

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

Зібрання

Магістерські роботи (ММСА)
Магістерські роботи