Застосування рекурентних нейронних мереж для вирішення задачі прогнозування часових рядів у фінансових ринках

Скорочена інформація про документ
dc.contributor.advisorЯковлева, Алла Петрівна
dc.contributor.authorБезбах, Володимир Павлович
dc.date.accessioned2022-02-16T12:58:10Z
dc.date.available2022-02-16T12:58:10Z
dc.date.issued2021
dc.description.abstractМагістерська дисертація: 109 с., 35 рис., 19 табл., 1 додаток, 19 джерел. Тема магістерської дисертації «Застосування рекурентних нейронних мереж для вирішення задачі прогнозування часових рядів у фінансових ринках». Актуальність магістерської дисертації обумовлена динамічним розвитком систем прогнозування та зміною значень часових на фінансових ринках, які породжують потребу у системі прогнозування та можливості якісного аналізу отриманого прогнозу. Об’єктом дослідження є часові ряди, модулі нейронних мереж та рекурентні нейронні мережі. Предметом дослідження є прогнозування часових рядів у фінансових ринках за допомогою рекурентних нейронних мереж. Метою магістерської дисертації є аналіз та покращення роботи рекурентних нейронних мереж у задачах прогнозування часових рядів у фінансових ринках. Для досягнення поставленої мети було виконано наступні задачі: 1) огляд предметної області та аналіз методів математичного моделювання часових рядів та нейронних мереж, аналіз існуючих рішень та архітектури рекурентних нейронних мереж; 2) розробка моделі вирішення задачі прогнозування часових рядів у фінансових ринках; 3) виконання обчислювальних експериментів та порявняння результатів програмного забезпечення, розробленого для прогнозування часових рядів у фінансових ринках.uk
dc.description.abstractenThe topic: Recursive neural network application to solve the problem of forecasting time series at financial markets. Master's thesis: 109 pp., 35 fig., 19 tabl., 1 add. and 19 sources. The relevance of the master's dissertation is due to the dynamic development of forecasting systems and changes in time values in financial markets, which create a need for a forecasting system and the possibility of qualitative analysis of the forecast. The object of research is time series, modules of neural networks and recurrent neural networks. The subject of the study is the prediction of time series in financial markets using recurrent neural networks. The purpose of the master's dissertation is to analyze and improve the operation of recurrent neural networks in the problems of forecasting time series in financial markets. To achieve this goal, the following tasks were performed: 1) review of the subject area and analysis of methods of mathematical modeling of time series and neural networks, analysis of existing solutions and architecture of recurrent neural networks; 2) development of a model for solving the problem of forecasting time series in financial markets; 3) perform computational experiments and compare the results of software designed to predict time series in financial markets.uk
dc.format.page109 с.uk
dc.identifier.citationБезбах, В. П. Застосування рекурентних нейронних мереж для вирішення задачі прогнозування часових рядів у фінансових ринках : магістерська дис. : 124 Системний аналіз / Безбах Володимир Павлович. – Київ, 2021. – 109 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/46543
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectрекурентні нейронні мережіuk
dc.subjectчасові рядиuk
dc.subjectпрогнозуванняuk
dc.subjectмашинне навчанняuk
dc.subjectфінансові ринкиuk
dc.subjectrecurrent neural networksuk
dc.subjecttime seriesuk
dc.subjectfinancial marketsuk
dc.subjectforecastinguk
dc.subjectmachine learninguk
dc.subject.udc519.688uk
dc.titleЗастосування рекурентних нейронних мереж для вирішення задачі прогнозування часових рядів у фінансових ринкахuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Bezbakh_magistr.pdf
Розмір:
3.03 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.01 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ММСА)
Магістерські роботи