Моделі і методи моделювання і прогнозування нестаціонарних фінансових процесів

Скорочена інформація про документ
dc.contributor.advisorБідюк, Петро Іванович
dc.contributor.authorНицька, Катерина Олександрівна
dc.date.accessioned2025-09-23T08:01:47Z
dc.date.available2025-09-23T08:01:47Z
dc.date.issued2025
dc.description.abstractДипломна робота: 106 сторінок, 23 рисунки, 8 таблиць, 2 додатки і 24 джерела. Метою роботи є порівняння методів та моделей для моделювання та прогнозування нестаціонарного часового ряду цін на акції на фондовому ринку. Для дослідження обрано історичні дані про ціни акцій компанії Nvidia за період з 1 березня 2016 року по 1 червня 2020 року. Також для підвищення якості прогнозування були залучені екзогенні змінні, які мають вплив на цільову змінну. У якості методів моделювання і прогнозування використовувались модель ARX з включенням трендової складової, модель SARIMAX та мережу LSTM. Для моделювання волатильності часового ряду використовувалась модель GARCH з використанням різних розподілів з метою врахування особливостей даних. Програмна реалізація здійснювалася за допомогою мови програмування Python. Проведено попередню обробку вхідних даних, а також проаналізовано основні властивості часових рядів. У роботі детально описано побудову моделей та короткострокове прогнозування цінового часового ряду акцій. Здійснено порівняння обраних методів.
dc.description.abstractotherThesis: 106 pages, 23 figures, 8 tables, 2 appendices, and 24 references. The aim of this work is to compare methods and models for modeling and forecasting non-stationary time series of stock prices on the financial market. Historical stock price data for Nvidia covering the period from March 1, 2016 to June 1, 2020 were selected for the study. To improve forecast accuracy, exogenous variables known to influence the target series were also incorporated. For modeling and forecasting, the ARX model with added trend component, the SARIMAX model, and an LSTM network were employed. To capture volatility of the time series, a GARCH model – using various probability distributions to accommodate data characteristics – was used. The software implementation was carried out in Python. Preliminary preprocessing of the input data was performed, and the main properties of the time series were analyzed. This thesis provides a detailed description of model construction and short-term forecasting of the stock price series, followed by a comparative evaluation of the selected methods.
dc.format.extent106 с.
dc.identifier.citationНицька, К. О. Моделі і методи моделювання і прогнозування нестаціонарних фінансових процесів : дипломна робота … бакалавра : 124 Системний аналіз / Ницька Катерина Олександрівна. – Київ, 2025. – 106 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/76242
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectпрогнозування часових рядів цін акцій
dc.subjectнестаціонарність
dc.subjectгетероскедастичність
dc.subjectstock price time series forecasting
dc.subjectnon-stationary
dc.subjectheteroscedasticity
dc.subjectARX
dc.subjectSARIMAX
dc.subjectLSTM
dc.subjectGARCH
dc.titleМоделі і методи моделювання і прогнозування нестаціонарних фінансових процесів
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Nytska_bakalavr.pdf
Розмір:
2.9 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

Бакалаврські роботи (ММСА)
Бакалаврські роботи