Селін, Юрій МиколайовичЯрко, Андрій Юрійович2024-11-132024-11-132024Ярко, А. Ю. Прогнозування часових рядів економічної природи. Порівняльний аналіз методів прогнозування : дипломна робота ... бакалавра : 124 Системний аналіз / Ярко Андрій Юрійович. - Київ, 2024. - 125 с.https://ela.kpi.ua/handle/123456789/70551Дипломна робота: 119 с., 36 рис., 11 табл., 2 дод. та 15 джерел. Об’єкт дослідження – методи прогнозування цін фінансових інструментів з використанням сучасних алгоритмів машинного навчання. Мета роботи – дослідження та застосування сучасних методів машинного навчання для прогнозування фінансових ринків, з метою підвищення точності прогнозів та ефективності прийняття економічних рішень. Методи дослідження – аналіз та порівняння різних моделей прогнозування часових рядів (ARIMA, RNN, LSTM, GRU, WaveNet), попередня обробка даних (заповнення пропусків, масштабування), статистичний аналіз результатів. Програмний продукт розроблено у середовищі Google Colaboratory мовою програмування Python. Проведено порівняльний аналіз моделей, виявлено їх переваги та недоліки. Визначено кращу модель для нашої задачі. В роботі використовувалися дійсні дані часових рядів з сайту yahoo.finance.125 с.ukпрогнозування фінансових ринківчасові рядимашинне навчаннянейронні мережіarimarnnlstmfinancial market forecastingtime seriesmachine learningneural networksBachelor Thesis