Адаптивний метод прийняття рішень для ринку цінних паперів на основі ефектуаційної концепції

Скорочена інформація про документ
dc.contributor.advisorКаніовська, Ірина Юріївна
dc.contributor.authorКанцедал, Георгій Олегович
dc.date.accessioned2019-09-05T17:08:39Z
dc.date.available2019-09-05T17:08:39Z
dc.date.issued2019-06
dc.description.abstractenDiploma work: 78 p., 31 fig., 6 tabl., 2 appendixes, 13 references. Object of research - Financial time series of securities, history of trading operations. Subject of study - Classification methods based on machine learning. The purpose of the work - To analyze the subject of research, to implement continuous access to trading data, to test the built model on historical data and in real time. Methods of research - methods of machine learning: decision tree, random forest, neural network, gradient boosting. Actuality - the task of making decisions on the securities markets is leading for the modern world. Building low risk strategies is the best choice for keeping any company's liabilities. The constructed model can easily be transferred to any market, which is based on the time series and counterparts of the series are equal users without significant advantage. The results of the work indicate the achievement of the profitability of the use of assets in applying the model at the level of the average bank rate of 8% per month. Ways of further development of the subject of research - to increase the number of attracted asset parameters in the model; use strategies for trading other financial instruments and adapt the model for multi-pair transactions.uk
dc.description.abstractukДипломна робота: 78 с., 31 рис., 6 табл., 2 дод., 13 джерел. Об’єкт дослідження – Фінансові часові ряди цінних паперів, історія торгівельних операцій. Предмет дослідження – Методи класифікації, що базуються на машинному навчанні. Мета роботи – Проаналізувати предмет дослідження, реалізувати безперервний доступ до трейдингових даних, провести тестування побудованої моделі на історичних даних та в режимі реального часу. Методи дослідження – методи машинного навчання: дерева прийняття рішень, випадковий ліс, нейроні мережі, градієнтний бустинг. Актуальність – задача прийняття рішень на ринках цінних паперів є провідною для сучасного світу. Побудова стратегій з низьким ступенем ризику є оптимальним вибором для збереження пасивів будь-якого підприємства. Побудована модель може бути легко перенесена на будь-який ринок, в основі якого лежить часовий ряд та контрагентами ряду виступають рівноправні користувачі без значної переваги. Результати роботи свідчать досягнення рентабельності використання активів при застосуванні моделі на рівні середньої банківської ставки 8% в місяць. Шляхи подальшого розвитку предмету дослідження – збільшити кількості залучених параметрів активів в моделі; застосування стратегій для торгівлі іншими фінансовими інструментами та адаптації моделі для проведення операцій між декількома парами.uk
dc.format.page103 с.uk
dc.identifier.citationКанцедал, Г. О. Адаптивний метод прийняття рішень для ринку цінних паперів на основі ефектуаційної концепції : дипломна робота ... бакалавра : 6.040303 Системний аналіз / Канцедал Георгій Олегович. – Київ, 2019. – 103 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/29078
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectадаптивний метод прийняття рішень для ринку цінних паперів на основі ефектуаційної концепціїuk
dc.subjectсистеми прийняття рішеньuk
dc.subjectрегуляризація баз данихuk
dc.subjectградіентни бустингuk
dc.subjectalgorithmic tradinguk
dc.subjecttime series analysisuk
dc.subjectcointegrationuk
dc.subjectstationarityuk
dc.subjectadaptive decision support systemuk
dc.subjectstocks marketsuk
dc.subjecteffectuation theoryuk
dc.titleАдаптивний метод прийняття рішень для ринку цінних паперів на основі ефектуаційної концепціїuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Kantsedal_bakalavr.pdf
Розмір:
3.38 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