Генеративно-змагальна нейронна мережа для прогнозування фондового ринку
Вантажиться...
Дата
2020
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Магістерська дисертація: 106 с., 22 табл., 19 рис. 2 дод., 37 джерел.
Об’єкт дослідження – рух цін акцій Goldman Saches.
Мета роботи – реалізувати генеративно-змагальну нейронну мережу для
прогнозування фондового ринку. Дослідити вплив значень параметрів моделі на точність
моделі. Порівняти результати прогнозу методу з іншими методами прогнозу.
Методи дослідження – реалізувати генеративно-змагальну нейронну мережу і
дослідити її роботу.
У роботі було запропоновано просту у використанні модель прогнозування
фондовго ринку. Було використано навчання з підкріпленням при оптимізації
гіперпараметрів, адже фондові ринки весь час змінюються. Навіть якщо вдається
навчити GAN та LSTM створювати надзвичайно точні результати, результати
можуть бути дійсними лише протягом певного періоду. Це означає, що потрібно
постійно оптимізувати весь процес.
Заснована на мережі глибокого навчання, ця модель досягає здатності
прогнозування, що перевершує інші базові методи, за допомогою змагальних
тренувань, мінімізації втрат прогнозування напрямку та втрати прогнозованих
помилок.
У майбутньому ми спробуємо створити середовище RL для тестування
торгових алгоритмів, які вирішують, коли і як торгувати. Вихід з GAN буде
одним із параметрів у середовищі.
Опис
Ключові слова
нейрон, нейронна мережа, генеративно-змагальна нейронна мережа, згорткова нейронна мережа, прогноз, gmdh, neural network, generative adversial network, forecast
Бібліографічний опис
Бородай, Т. А. Генеративно-змагальна нейронна мережа для прогнозування фондового ринку : магістерська дис. : 124 Системний аналіз / Бородай Тетяна Анатоліївна. – Київ, 2020. – 106 с.