Застосування глибокого навчання з підкріпленням для прийняття рішень на фінансових ринках

Скорочена інформація про документ
dc.contributor.advisorКанцедал, Георгій Олегович
dc.contributor.authorВойчик, Ольга Сергіївна
dc.date.accessioned2024-11-06T12:10:25Z
dc.date.available2024-11-06T12:10:25Z
dc.date.issued2024
dc.description.abstractДипломна робота містить: 116 с., 7 табл., 22 рис., 2 додатки, 18 джерел. У сучасному світі фінансові ринки стали надзвичайно складними та динамічними системами, що вимагають від інвесторів та трейдерів глибоких знань і швидкої реакції на зміни. Традиційні методи прийняття рішень часто не справляються з великою кількістю даних і тому все популярності набувають нові технології. Глибоке навчання з підкріпленням має досить високий потенціал до застосування під час прийняття рішень у стохастичному середовищі, прикладом якого є фінансовий ринок. Саме тому у даній роботі для розв’язку поставленої задачі було обрано цей розділ машинного навчання. Об’єкт дослідження – динаміка активу (біткоіна) на фінансовому ринку. Предмет дослідження – алгоритми навчання з підкріпленням та моделі глибокого навчання для прийняття рішень на фінансових ринках. Мета роботи – побудувати модель прийняття рішень на фінансових ринках за допомогою глибокого навчання з підкріпленням. Результат роботи – програмний продукт, що дозволяє автоматизовано або напівавтоматизовано приймати рішення щодо купівлі-продажу певних активів на основі вхідних даних про цей актив. Програмний продукт було розроблено із використанням мови програмування Python.
dc.description.abstractotherThe diploma work contains: 116 pages, 7 tables, 22 figures, 2 appendices, 18 references. In the modern world, financial markets have become extremely complex and dynamic systems, requiring investors and traders to possess deep knowledge and the ability to quickly react to changes. Traditional decision-making methods often struggle with the vast amount of data, making new technologies increasingly popular. Reinforcement learning (RL) has significant potential for application in decision-making within stochastic environments, such as financial markets. Therefore, this branch of machine learning was chosen to address the task at hand in this study. The objects of research: a dataset of Bitcoin prices and other characteristics collected at one-minute intervals. The subject of the research: methods and models for decision-making in the Bitcoin futures market, taking into account user expectations. The goal of the study: to develop a decision-making model for financial markets using reinforcement learning. The outcome of the study is a software product that allows for automated or semi-automated decision-making regarding the buying and selling of specific assets based on input data about the asset. The software product was developed using the Python programming language.
dc.format.extent116 с.
dc.identifier.citationВойчик, О. С. Застосування глибокого навчання з підкріпленням для прийняття рішень на фінансових ринках : дипломна робота ... бакалавра : 124 Системний аналіз / Войчик Ольга Сергіївна. - Київ, 2024. - 116 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/70372
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectнавчання з підкріпленням
dc.subjectнейронні мережі
dc.subjectфінансові ринки
dc.subjectбіткоін
dc.subjectглибоке подвійне q-навчання
dc.subjectтрейдинг
dc.subjectавтоматизація
dc.subjectприйняття рішень
dc.subjectreinforcement learning
dc.subjectneural networks
dc.subjectfinancial markets
dc.subjectbitcoin
dc.subjectdouble deep q-learning
dc.subjecttrading
dc.subjectautomation
dc.subjectdecision making
dc.titleЗастосування глибокого навчання з підкріпленням для прийняття рішень на фінансових ринках
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Voichyk_bakalavr.pdf
Розмір:
2.1 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

Бакалаврські роботи (ММСА)
Бакалаврські роботи