Передбачення цін на біржові активи методами глибокого навчання

Скорочена інформація про документ
dc.contributor.advisorДанилов, Валерій Якович
dc.contributor.authorДарьялов, Андрій Андрійович
dc.date.accessioned2024-03-04T09:38:02Z
dc.date.available2024-03-04T09:38:02Z
dc.date.issued2024
dc.description.abstractМагістерська дисертація містить 86 стор., 25 табл., 12 рис., 1 додаток та 12 посилання. Об’єкт дослідження: Ринок акцій та криптовалют. Предмет дослідження: машинне навчання, нейронні мережі. Мета роботи: розширення знань про застосування штучного інтелекту в аналізі ринку акцій та криптовалют та визначенні значущих факторів які впливають на ціни на активи. Методи дослідження: аналіз, порівняння, статистики, дослідження. Актуальність роботи полягає в тому, що результати дослідження можуть сприяти покращенню процесів прийняття рішень у фінансовій галузі. Програмний продукт реалізований за допомогою мови програмування Python 3.10 у середовищі розробки Jupyter Notebook. Новизна: у роботі представлено нові фактори які значно впливають на точність передбачення цін на активи Результати: знайдено нові фактори які покращують якість передбачення цін на активи Результати роботи апробовано на МНК. Ключові слова: нейронна мережа, криптовалюта, акції, фондовий ринок, LSTM, GRU, Random Forest, XGBoost.
dc.description.abstractotherThe master's thesis comprises 86 pages, 25 tables, 12 figures, 1 appendix and 12 references. Object of research: stock market and cryptocurrencies market. Subject of research: machine learning, neural networks. The purpose of the work: expanding knowledge about the use of artificial intelligence in the analysis of the stock market and cryptocurrencies and the determination of significant factors that affect asset prices. Methods of research: analysis, comparison, statistics, research. The relevance of the work lies in the fact that the research results can contribute to the improvement of decision-making processes in the financial industry. The software product is implemented using the Python 3.10 programming language in the Jupyter Notebook development environment. Novelty: the work presents new factors that significantly affect the accuracy of asset price prediction Results: new factors were found that improve the quality of asset price prediction The results of the work were tested at MNK. Keywords: neural network, cryptocurrency, shares, stock market, LSTM, GRU, Random Forest, XGBoost.
dc.format.extent86 с.
dc.identifier.citationДарьялов, А. А. Передбачення цін на біржові активи методами глибокого навчання : магістерська дис. : 122 Комп'ютерні науки / Дарьялов Андрій Андрійович. - Київ, 2024. - 86 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/65174
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectнейронна мережа
dc.subjectкриптовалюта
dc.subjectакції
dc.subjectфондовий ринок
dc.subjectlstm
dc.subjectgru
dc.subjectrandom forest
dc.subjectxgboost
dc.subjectneural network
dc.subjectcryptocurrency
dc.subjectshares
dc.subjectstock market
dc.subject.udc[004.85+004.89]:336.76(043.3)
dc.titleПередбачення цін на біржові активи методами глибокого навчання
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Darialov_magistr.pdf
Розмір:
2.35 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 (ШІ)
Магістерські роботи