Моделі і прогнози ринкових ризиків

Скорочена інформація про документ
dc.contributor.advisorЛевенчук, Людмила Борисівна
dc.contributor.authorРевенко, Ілля Євгенович
dc.date.accessioned2025-02-07T14:41:41Z
dc.date.available2025-02-07T14:41:41Z
dc.date.issued2024
dc.description.abstractМагістерська дисертація: 122 с., 9 рис., 25 табл., 40 джерел, 1 додаток. Мета роботи – розробка та дослідження системи прогнозування ринкових ризиків з використанням сучасних методів машинного навчання для підвищення ефективності управління фінансовими ризиками. Об'єкт дослідження – процес прогнозування ринкових ризиків у фінансовому секторі. Предмет дослідження – моделі та методи машинного навчання для прогнозування ринкових ризиків на основі історичних даних фінансових ринків. Методи дослідження – методи машинного навчання, статистичний аналіз, обробка часових рядів, глибинне навчання, методи оптимізації параметрів моделей, методи валідації та оцінки ефективності прогнозування. У роботі досліджено проблематику прогнозування ринкових ризиків у фінансовому секторі. Розроблено комплексну систему, що включає збір та обробку фінансових даних, реалізацію різних моделей машинного навчання (лінійні моделі, ансамблеві методи, LSTM-мережі) та оцінку їх ефективності. Створено методику оцінки якості прогнозування та запропоновано концепцію стартап-проекту для комерціалізації розробленої системи. Практична цінність роботи полягає у створенні ефективної системи прогнозування ринкових ризиків на мові програмування Python, що дозволяє підвищити якість управління фінансовими ризиками та оптимізувати процеси прийняття інвестиційних рішень.
dc.description.abstractotherMaster's thesis: 122 p., 9 figures, 25 tables, 40 references, 1 appendix. The purpose of the study is to develop and research a market risk forecasting system using modern machine learning methods to improve the efficiency of financial risk management. The object of research is the process of forecasting market risks in the financial sector. Subject of research - models and methods of machine learning for forecasting market risks based on historical data of financial markets. Research methods - machine learning methods, statistical analysis, time series processing, deep learning, methods of optimizing model parameters, methods of validation and evaluation of forecasting efficiency. The paper investigates the problem of forecasting market risks in the financial sector. A comprehensive system has been developed that includes the collection and processing of financial data, the implementation of various machine learning models (linear models, ensemble methods, LSTM networks), and the evaluation of their effectiveness. A methodology for assessing forecasting accuracy has been created and a startup project concept for commercializing the developed system has been proposed. The practical value of the work lies in the creation of an effective Python-written system for forecasting market risks, which allows improving the quality of financial risk management and optimizing investment decision-making processes.
dc.format.extent123 с.
dc.identifier.citationРевенко, І. Є. Моделі і прогнози ринкових ризиків : магістерська дис. : 124 Системний аналіз / Ревенко Ілля Євгенович. - Київ, 2024. - 123 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/72395
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectринкові ризики
dc.subjectмашинне навчання
dc.subjectфінансові дані
dc.subjectпрогнозування
dc.subjectlstm
dc.subjectxgboost
dc.subjectlightgbm
dc.subjectбіржові дані
dc.subjectmarket risks
dc.subjectmachine learning
dc.subjectfinancial data
dc.subjectforecasting
dc.subjectstock exchange data
dc.subject.udc303.732.4
dc.titleМоделі і прогнози ринкових ризиків
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Revenko_magistr.pdf.pdf
Розмір:
2.61 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

Магістерські роботи (ММСА)
Магістерські роботи