Інтерактивна система аналізу та візуалізації прогнозування цін

Скорочена інформація про документ
dc.contributor.advisorРоманкевич, Віталій Олексійович
dc.contributor.authorРоманенко, Марія Володимирівна
dc.date.accessioned2024-12-27T14:25:56Z
dc.date.available2024-12-27T14:25:56Z
dc.date.issued2024
dc.description.abstractАктуальність теми. У сучасних фінансових ринках прогнозування цін акцій є критично важливим для інвесторів, трейдерів та фінансових аналітиків. Традиційні методи аналізу часто не враховують складні нелінійні та багатомасштабні характеристики фінансових часових рядів. Використання нейронних мереж та вейвлет-перетворень дозволяє врахувати ці особливості та підвищити точність прогнозування. Тому розробка ефективних методів прогнозування цін акцій на основі нейронних мереж і вейвлет-перетворень є актуальною та важливою задачею як з наукової, так і з практичної точки зору. Об’єктом дослідження є процес прогнозування цін акцій на фінансових ринках. Предметом дослідження є методи та алгоритми прогнозування цін акцій з використанням нейронних мереж та вейвлет-перетворень. Мета роботи: аналіз існуючих методів прогнозування цін акцій; розробка методики та програмного забезпечення для прогнозування цін акцій з використанням нейронних мереж та вейвлет-перетворень для підвищення точності прогнозування; оцінка ефективності запропонованих підходів на реальних даних. Наукова новизна полягає в наступному: 1. Удосконалено метод прогнозування цін акцій шляхом поєднання нейронних мереж та вейвлет-перетворень, що дозволило підвищити точність прогнозів у порівнянні з існуючими моделями. 2. Інтегровано аналіз настрою новин та технічних індикаторів у модель прогнозування цін акцій на основі нейронних мереж і вейвлет-перетворень, що дозволило підвищити точність прогнозів. Практична цінність отриманих результатів полягає в тому, що розроблені методи та програмне забезпечення можуть бути використані на практиці для підвищення ефективності інвестиційних рішень. Програма забезпечує зручний інтерфейс для проведення аналізу та візуалізації прогнозів, що може бути корисним для фінансових аналітиків та трейдерів. Апробація роботи. Основні положення і результати роботи були представлені у статті «Прогнозування цін акцій з використанням вейвлет-перетворення та нейронних мереж» та обговорювались на XVII науково-практичній конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг» ПМК-2024 (Київ, 20-22 листопада 2024 р.). Структура та обсяг роботи. Магістерська дисертація складається з вступу, чотирьох розділів та висновків. У вступі подано загальну характеристику роботи, обґрунтовано актуальність теми, сформульовано мету та завдання дослідження, визначено об’єкт і предмет дослідження. У першому розділі проведено аналіз сучасних досягнень у прогнозуванні цін акцій, розглянуто сутність цього процесу, проаналізовано сучасні методи та технології, визначено їхні переваги та недоліки. У другому розділі досліджено теоретичні основи нейронних мереж та вейвлет-перетворень, обґрунтовано доцільність їхнього застосування для аналізу фінансових часових рядів, розглянуто можливості покращення точності прогнозування шляхом їх комбінації. У третьому розділі описано розроблене програмне забезпечення, детально розглянуто вибір інструментів та технологій, описано архітектуру системи, методику навчання нейронної мережі та інтеграцію вейвлет-перетворень у процес прогнозування. У четвертому розділі описані результати тестування роботи нейронної мережі та аналіз точності прогнозів, порівняно прогнози моделі з реальними ринковими даними і описано вплив вейвлет-перетворень на якість прогнозування. У висновках представлені результати проведеної роботи. Робота представлена на 88 аркушах і містить 26 рисунків, 2 таблиці, список використаних літературних джерел з 11 найменувань.
dc.description.abstractotherRelevance of the topic. In modern financial markets, stock price forecasting is critically important for investors, traders, and financial analysts. Traditional analysis methods often do not take into account the complex nonlinear and multiscale characteristics of financial time series. The use of neural networks and wavelet transforms allows us to take these features into account and increase the accuracy of forecasting. Therefore, the development of effective methods for forecasting stock prices based on neural networks and wavelet transforms is a relevant and important task from both a scientific and practical point of view. The object of the study is the process of forecasting stock prices in financial markets. The subject of the study is methods and algorithms for forecasting stock prices using neural networks and wavelet transforms. Purpose of the work: analysis of existing methods for forecasting stock prices; study of the possibilities of using neural networks and wavelet transforms to increase the accuracy of forecasting; development of a methodology and software for forecasting stock prices; evaluation of the effectiveness of the proposed approaches on real data. The scientific novelty is as follows: 1. The method of forecasting stock prices has been improved by combining neural networks and wavelet transforms, which has allowed to increase the accuracy of forecasts compared to existing models. 2. The analysis of news sentiment and technical indicators has been integrated into the model of forecasting stock prices based on neural networks and wavelet transforms, which has allowed to increase the accuracy of forecasts. The practical value of the results obtained is that the developed methods and software can be used in practice to increase the efficiency of investment decisions. The program provides a convenient interface for analyzing and visualizing forecasts, which can be useful for financial analysts and traders. Approbation of the work. The main provisions and results of the work were presented in the article "STOCK PRICE FORECASTING USING WAVELET TRANSFORM AND NEURAL NETWORKS" and discussed at the XVII Scientific and Practical Conference of Master's and PhD Students "Applied Mathematics and Computing" PMK-2024 (Kyiv, November 20-22, 2024). Structure and scope of work. The master's thesis consists of an introduction, four sections and conclusions. The introduction provides a general description of the work, justifies the relevance of the topic, formulates the goal and objectives of the research, defines the object and subject of the research, shows the practical significance of the work, provides data on the testing of the results. The first section analyzes modern achievements in stock price forecasting, considers the essence of this process, analyzes modern methods and technologies, and identifies their advantages and disadvantages. The second section examines the theoretical foundations of neural networks and wavelet transforms, justifies the feasibility of their application for the analysis of financial time series, and considers the possibilities of improving the accuracy of forecasting by combining them. The third section describes the developed software, examines in detail the choice of tools and technologies, describes the system architecture, the neural network training methodology, and the integration of wavelet transforms into the forecasting process. The fourth section describes the results of testing the neural network and analyzing the accuracy of forecasts, compares the model forecasts with real market data, and describes the impact of wavelet transforms on the quality of forecasting. The conclusions present the results of the work. The work is presented on 88 sheets and contains 26 figures, 2 tables, and a list of used literature sources from 11 titles.
dc.format.extent97 с.
dc.identifier.citationРоманенко, М. В. Інтерактивна система аналізу та візуалізації прогнозування цін : магістерська дис. : 123 Комп'ютерна інженерія / Романенко Марія Володимирівна. – Київ, 2024. – 97 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/71429
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectпрогнозування цін акцій
dc.subjectнейронні мережі
dc.subjectвейвлет-перетворення
dc.subjectфінансові часові ряди
dc.subjectпрограмне забезпечення
dc.subjectstock price forecasting
dc.subjectneural networks
dc.subjectwavelet transforms
dc.subjectfinancial time series
dc.subjectsoftware
dc.subject.udc004.8+004.94
dc.titleІнтерактивна система аналізу та візуалізації прогнозування цін
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
Romanenko_MV_KV31mp_magistr_2024.docx
Розмір:
3.36 MB
Формат:
Microsoft Word XML
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 (СПСКС)
Магістерські роботи