Прогнозування фінансових ринків методами машинного навчання

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorФоменко, Нікіта Андрійович
dc.date.accessioned2021-04-19T16:41:56Z
dc.date.available2021-04-19T16:41:56Z
dc.date.issued2020
dc.description.abstractenMaster’s thesis: 139 pages, 35 images, 50 tables, 1 append., 14 sources. The theme: «Forecasting of Financial Markets using Machine Learning Methods». The main research is the financial markets presented in the publication of time series on the basis of statistical data on their dynamics. The subject of research is probabilistic-statistical methods and deep neural networks for modeling and forecasting of financial markets, as well as methods of finding the best architecture of a deep neural network and according to its best hyperparameters. The aim of the study is to analyze the behavior of dynamic processes of financial markets based on time series and forecasting using different types of autoregressive models and deep neural networks, as well as to obtain a neural network architecture selection algorithm and hyperparameter for short-term forecasting of financial journals. Methods of research of modeling and forecasting of behavior of financial markets are methods of regression analysis and algorithms of deep neural networks. The novelty is the obtained algorithm for searching the neural network architecture and its hyperparameters.uk
dc.description.abstractukМагістерська дисертація: 139 с., 35 рис., 50 табл., 1 додаток, 14 джерел. Об’єктом дослідження є фінансові ринки, представлені у вигляді часових рядів на основі статистичних даних стосовно їхньої динаміки. Предметом дослідження є ймовірнісно-статистичні методи та глибокі нейронні мережі для моделювання і прогнозування фінансових ринків, а також методи пошуку найкращої архітектури глибокої нейронної мережі і відповідно її найкращих гіперпараметрів. Метою дослідження є аналіз характеру поведінки динамічних процесів фінансових ринків на основі часових рядів та прогнозування за допомогою різних видів авторегресійних моделей та глибоких нейронних мереж, а також отримання алгоритму відбору архітектури нейронної мережі та ї гіперпараметрів для задачі короткострокового прогнозування фінансових часових рядів . Методами дослідження моделювання та прогнозування поведінки фінансових ринків є методи регресійного аналізу та алгоритми глибоких нейронних мереж. Новизною є отриманий алгоритм пошуку архітектури нейронної мережі та її гіперпараметрів.uk
dc.format.page144 с.uk
dc.identifier.citationФоменко, Н. А. Прогнозування фінансових ринків методами машинного навчання : магістерська дис. : 122 Комп'ютерні науки / Фоменко Нікіта Андрійович. – Київ, 2020. – 144 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/40673
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectчасові рядиuk
dc.subjectрегресійні моделіuk
dc.subjectглибокі нейронні мережіuk
dc.subjectпрогнозуванняuk
dc.subjectфінансові ринкиuk
dc.subjectпошук архітектуриuk
dc.subjectпошук гіперпараметрівuk
dc.subjecttime seriesuk
dc.subjectregression modelsuk
dc.subjectdeep neural networkuk
dc.subjectforecastinguk
dc.subjectfinancial marketsuk
dc.subjectarchitecture searchinguk
dc.subjecthyperparameters tuninguk
dc.subject.udc004.85uk
dc.titleПрогнозування фінансових ринків методами машинного навчанняuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Fomenko_magistr.pdf
Розмір:
2.45 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