Данилов, Валерій ЯковичБородай, Тетяна Анатоліївна2021-03-302021-03-302020Бородай, Т. А. Генеративно-змагальна нейронна мережа для прогнозування фондового ринку : магістерська дис. : 124 Системний аналіз / Бородай Тетяна Анатоліївна. – Київ, 2020. – 106 с.https://ela.kpi.ua/handle/123456789/40340Магістерська 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.ukнейроннейронна мережагенеративно-змагальна нейронна мережазгорткова нейронна мережапрогнозgmdhneural networkgenerative adversial networkforecastMaster Thesis106 с.004.056.53