Використання моделі CLSTM для прогнозування курсу акцій фондового ринку
dc.contributor.author | Нагуляк, А. С. | |
dc.date.accessioned | 2024-10-28T13:54:36Z | |
dc.date.available | 2024-10-28T13:54:36Z | |
dc.date.issued | 2021 | |
dc.description.abstract | Оскільки 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.abstractother | As 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.pagerange | С. 135-140 | |
dc.identifier.citation | Нагуляк, 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.uri | https://ela.kpi.ua/handle/123456789/70196 | |
dc.language.iso | uk | |
dc.publisher | КПІ ім. Ігоря Сікорського | |
dc.publisher.place | Київ | |
dc.source | Матеріали 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.subject | Передбачення фондового ринку | |
dc.subject | нейронні мережі | |
dc.subject | часові ряди | |
dc.subject | глибоке навчання | |
dc.subject | згорткова мережа | |
dc.subject | мережа довгострокової пам’яті | |
dc.subject | Stock market prediction | |
dc.subject | neural networks | |
dc.subject | time series | |
dc.subject | deep learning | |
dc.subject | convolutional network | |
dc.subject | long short memory network | |
dc.subject.udc | 004.032.26 | |
dc.title | Використання моделі CLSTM для прогнозування курсу акцій фондового ринку | |
dc.type | Article |
Файли
Контейнер файлів
1 - 1 з 1
Вантажиться...
- Назва:
- Conf_SoftTech_2021_1-135-140.pdf
- Розмір:
- 593.83 KB
- Формат:
- Adobe Portable Document Format
Ліцензійна угода
1 - 1 з 1
Ескіз недоступний
- Назва:
- license.txt
- Розмір:
- 8.98 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: