Система прогнозування фінансових фрактальних ринків з використанням генеративно-змагальних нейронних мереж

Скорочена інформація про документ
dc.contributor.advisorДанилов, Валерій Якович
dc.contributor.authorЯрошенко, Олександр Романович
dc.date.accessioned2024-02-28T13:01:47Z
dc.date.available2024-02-28T13:01:47Z
dc.date.issued2024
dc.description.abstractДипломна робота: 131 с., 30 рис., 29 табл., 26 посилань, додаток. Мета роботи – розробити систему прогнозування руху цін на криптовалютному ринку, з використанням генеративно-змагальних мереж та фрактальної розмірності, для подальшого застосування в роботі фінансових компаній. Об’єкт дослідження – дані руху ціни криптовалютної пари BTC/USD та дані руху ціни індекса Доу-Джонса. Предмет досліджень – методи прогнозування поведінки сучасних фрактальних фінансових ринків. Новизна дослідження полягає в виявленні фрактальних властивостей даних сучасних фінансових ринків, розробка архітектур генеративно-змагальних нейронних мереж глибокого навчання TimeGAN з врахуванням регуляризаторів, що містять фрактальну розмірність. У цій роботі запропоновано СППР для прогнозування динаміки цін криптовалютної пари BTC/USD з врахуванням фрактальної структури фінансових ринків та їх фрактальних розмірностей. За результатами роботи видано дві публікації в збірниках закордонних науково-практичних конференцій.
dc.description.abstractotherMaster's thesis: 131 p., 30 figures, 29 tables, 26 references, appendix. The purpose of the work is to develop a system for forecasting the movement of prices on the cryptocurrency market, using generative-competitive networks and fractal dimensions, for further application in the work of financial companies. The object of the study is the price movement data of the cryptocurrency pair BTC/USD and the price movement data of the Dow Jones index. The subject of research is methods of forecasting the behavior of modern fractal financial markets. The novelty of the research lies in the detection of fractal properties of the data of modern financial markets, the development of architectures of generative-competitive neural networks of TimeGAN deep learning, considering regularizers containing fractal dimension. In this work, the SPD is proposed for forecasting the price dynamics of the cryptocurrency pair BTC/USD, considering the fractal structure of financial markets and their fractal dimensions. Based on the results of the work, two publications were published in the collections of foreign scientific and practical conferences.
dc.format.extent131 с.
dc.identifier.citationЯрошенко, О. Р. Система прогнозування фінансових фрактальних ринків з використанням генеративно-змагальних нейронних мереж : магістерська дис. : 122 Комп'ютерні науки / Ярошенко Олександр Романович. - Київ, 2024. - 131 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/65056
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectнейрон
dc.subjectнейронна мережа
dc.subjectглибоке навчання
dc.subjectгенеративно-змагальна нейронна мережа
dc.subjectрекурентна нейронна мережа
dc.subjectпрогноз
dc.subjectфрактальна розмірність
dc.subjectкриптовалюта
dc.subjectneuron
dc.subjectneural network
dc.subjectdeep learning
dc.subjectgenerative competitive neural network
dc.subjectrecurrent neural network
dc.subjectforecasting
dc.subjectfractal dimension
dc.subjectcryptocurrency
dc.subject.udc004.89.032.26:336.7](043.3)
dc.titleСистема прогнозування фінансових фрактальних ринків з використанням генеративно-змагальних нейронних мереж
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Yaroshenko_magistr.pdf
Розмір:
2.94 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

Магістерські роботи (ШІ)
Магістерські роботи