Використання моделі CLSTM для прогнозування курсу акцій фондового ринку

dc.contributor.authorНагуляк, А. С.
dc.date.accessioned2024-10-28T13:54:36Z
dc.date.available2024-10-28T13:54:36Z
dc.date.issued2021
dc.description.abstractОскільки в сучасному суспільстві управління інвестиційним капіталом стало основним напрямком сучасної епохи, все більше вчених розробляють методи прогнозування фондового ринку. Дані про ціни на акції мають характеристики часових рядів. Відповідно до особливостей фінансових часових рядів, ця стаття пропонує нову модель для досягнення більш точного прогнозу ціни акцій, яка поєднує нейронну мережу згортки (CNN) і нейронну мережу довгострокової пам’яті. (LSTM). Запропонована модель використовує здатність згорткових шарів для отримання корисних характеристик даних, а також ефективність шарів довготривалої пам’яті (LSTM) для визначення короткострокових і довгострокових залежностей. Згідно з результатами експерименту, Convolutional LSTM може забезпечити значний приріст у підвищенні ефективності прогнозування у порівнянні з сучасними моделями глибокого навчання та машинного навчання. Цей метод прогнозування надає нову дослідницьку ідею для прогнозування курсу акцій використовуючи для навчання фінансові часові ряди.
dc.description.abstractotherAs investment capital management has become the focus of the modern era in modern society, more and more scientists are developing methods for forecasting the stock market. We can evaluate stock market data as a time series. According to the peculiarities of financial time series, this article proposes a new model for achieving a more accurate stock price forecast, which combines a neural network of convolution (CNN) and a neural network of long-term memory. (LSTM). The proposed model uses the ability of convolutional layers to obtain useful data characteristics, as well as the efficiency of long-term memory layers (LSTM) to determine short-term and long-term dependencies. According to the results of the experiment, Convolutional LSTM can provide a significant increase in improving the efficiency of forecasting compared to modern models of deep learning and machine learning. This method give us a new idea for prediction using stock markets financial time series.
dc.format.pagerangeС. 135-140
dc.identifier.citationНагуляк, А. С. Використання моделі CLSTM для прогнозування курсу акцій фондового ринку / Нагуляк А. С. // Інженерія програмного забезпечення і передові інформаційні технології (SoftTech-2021) : матеріали І Всеукраїнської науково-практичної конференції молодих вчених та студентів в секції інформатики та програмної інженерії (22–26 листопада 2021 р., Київ). – Київ : КПІ ім. Ігоря Сікорського, ІПІ ФІОТ, 2021. – С. 135-140. – Бібліогр.: 10 назви.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/70196
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.sourceМатеріали І Всеукраїнської науково-практичної конференції молодих вчених та студентів «Інженерія програмного забезпечення і передові інформаційні технології (SoftTech-2022)» в секції інформатики та програмної інженерії, 22–26 листопада 2021 р., Київ
dc.subjectПередбачення фондового ринку
dc.subjectнейронні мережі
dc.subjectчасові ряди
dc.subjectглибоке навчання
dc.subjectзгорткова мережа
dc.subjectмережа довгострокової пам’яті
dc.subjectStock market prediction
dc.subjectneural networks
dc.subjecttime series
dc.subjectdeep learning
dc.subjectconvolutional network
dc.subjectlong short memory network
dc.subject.udc004.032.26
dc.titleВикористання моделі CLSTM для прогнозування курсу акцій фондового ринку
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Вантажиться...
Ескіз
Назва:
Conf_SoftTech_2021_1-135-140.pdf
Розмір:
593.83 KB
Формат:
Adobe Portable Document Format
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: