Методи передбачення часових рядів на прикладі вартості акцій

Скорочена інформація про документ
dc.contributor.advisorКухарєв, Сергій Олександрович
dc.contributor.authorОлексієнко, Ганна Олегівна
dc.date.accessioned2019-09-09T14:38:57Z
dc.date.available2019-09-09T14:38:57Z
dc.date.issued2019-06
dc.description.abstractenThesis: 154 p., 19 fig., 12 tabl., 3 appendixes, 13 sources The object of this research is time series of Google LLC share prices from the official NASDAQ Stock Exchange data starting April 1, 2014. The subject of the research is the methods of prediction of time series: traditional models of auto­regression, smoothing techniques and machine learning methods with the use of artificial neural networks and deep learning. The purpose of the work is to analyze the subject of the research, to find out the parameters which influence the efficiency and accuracy of models for analysis and forecast he share prices. The methods of research include the consideration and analysis of prediction methods using specific metrics. The relevance of the topic assumes that the accurate prediction at financial market may contribute to the financial benefits for companies, government and other players on stock exchanges. A comparative analysis of the considered forecasting methods was conducted. The further development of the subject of research includes ensemble learning methods for neural networks, feature engineering, collecting a larger data set for forecasting.uk
dc.description.abstractukДипломна робота: 154 с., 19 рис., 12 табл., 3 додатки, 13 джерел. Об’єкт дослідження – дані про акції компанії Google з офіційного сайту фондової біржі NASDAQ за 5 років, починаючи з 1 квітня 2014 року. Предмет дослідження – методи прогнозування часових рядів: традиційні моделі авторегресії ARMA, ARIMA, експоненційне згладжування, а також методи інтелектуального аналізу даних з використанням штучних нейронних мереж та глибинного навчання – згорткові та рекурентні нейронні мережі. Мета роботи – проаналізувати предмет дослідження, виявити параметри впливу на ефективність та точність деяких моделей, що використовуються для аналізу та прогнозування вартості акцій. Метод дослідження – розгляд та аналіз методів передбачення за обраними метриками. Актуальність – надання можливість точного передбачення вартості акцій, що сприятиме ймовірному отриманню фінансового прибутку компаніями, урядом або іншими гравцями на фондових біржах. Було проведено порівняльний аналіз розглянутих методів прогнозування. Шляхи подальшого розвитку предмету дослідження – методи ансамблевого навчання нейронних мереж, створення нових ознак для нейронних мереж, збір більшого датасету для прогнозування.uk
dc.format.page154 с.uk
dc.identifier.citationОлексієнко, Г. О. Методи передбачення часових рядів на прикладі вартості акцій : дипломна робота ... бакалавра : 6.040303 Системний аналіз / Олексієнко Ганна Олегівна. – Київ, 2019. – 154 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/29130
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectчасовий рядuk
dc.subjectавторегресіяuk
dc.subjectзгладжуванняuk
dc.subjectнейронні мережіuk
dc.subjectзгорткові нейронні мережіuk
dc.subjectрекурентні нейронні мережіuk
dc.subjecttime seriesuk
dc.subjectautoregressionuk
dc.subjectsmoothinguk
dc.subjectneural networksuk
dc.subjectconvolutional neural networksuk
dc.subjectrecurrent neural networksuk
dc.titleМетоди передбачення часових рядів на прикладі вартості акційuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Oleksiienko_bakalavr.pdf
Розмір:
10.15 MB
Формат:
Adobe Portable Document Format
Опис:
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