Порівняльний аналіз рекурентних алгоритмів для прогнозування цін на фондовому ринку
Тип публікації :
Бакалаврська робота
Дата випуску :
2023
Автор(и) :
Заворотинський Максиміліан
Мова основного тексту :
ua
eKNUTSHIR URL :
Цитування :
[APA 7] Заворотинський, М. (2023). Порівняльний аналіз рекурентних алгоритмів для прогнозування цін на фондовому ринку [Бакалаврська робота, Київський національний університет імені Тараса Шевченка]. eKNUTSHIR. https://ir.library.knu.ua/handle/123456789/5711
[ДСТУ] Заворотинський М. Порівняльний аналіз рекурентних алгоритмів для прогнозування цін на фондовому ринку : кваліфікаційна робота бакалавра : 11 Математика та статистика. Київ, 2023. 51 с. URL: https://ir.library.knu.ua/handle/123456789/5711 (дата звернення: 25.07.2026).
Мета роботи : проведення порівняльного аналізу рекурентних алгоритмів для прогнозування цін на фондовому ринку, а саме фільтра Калмана на основі авторегресійної моделі та рекурентних нейронних мереж.
Об’єкт дослідження : застосування рекурентних алгоритмів комп'ютерного моделювання для прогнозування цін на фондовому ринку.
Предмет дослідження : фільтр Калмана, авторегресійна модель та рекурентна нейронна мережа, як моделі для прогнозування цін на фондовому ринку.
У кваліфікаційній роботі проведено порівняльний аналіз рекурентних алгоритмів для прогнозування цін на фондовому ринку.
Розроблена рекурентна нейронна мережа на основі довгої короткострокової пам’яті в умовах доступності до великої кількості історичних даних дозволяє отримати більш точні прогнози.
Виявлено, що в умовах різких, сильних змін цін, рекурентна нейронна мережа спроможна давати результати з стабільною точністю, на відміну від фільтра Калмана.
Алгоритм на основі фільтра Калмана та авторегресійної моделі показав більш точні прогнози у випадку, коли рекурентна нейронна мережа не має достатньо великого набору історичних даних для навчання.
Ключові слова: фондовий ринок, рекурентні нейронні мережі, lstm, фільтр Калмана, авторегресійна модель.
Об’єкт дослідження : застосування рекурентних алгоритмів комп'ютерного моделювання для прогнозування цін на фондовому ринку.
Предмет дослідження : фільтр Калмана, авторегресійна модель та рекурентна нейронна мережа, як моделі для прогнозування цін на фондовому ринку.
У кваліфікаційній роботі проведено порівняльний аналіз рекурентних алгоритмів для прогнозування цін на фондовому ринку.
Розроблена рекурентна нейронна мережа на основі довгої короткострокової пам’яті в умовах доступності до великої кількості історичних даних дозволяє отримати більш точні прогнози.
Виявлено, що в умовах різких, сильних змін цін, рекурентна нейронна мережа спроможна давати результати з стабільною точністю, на відміну від фільтра Калмана.
Алгоритм на основі фільтра Калмана та авторегресійної моделі показав більш точні прогнози у випадку, коли рекурентна нейронна мережа не має достатньо великого набору історичних даних для навчання.
Ключові слова: фондовий ринок, рекурентні нейронні мережі, lstm, фільтр Калмана, авторегресійна модель.
Галузі знань та спеціальності :
11 Математика та статистика
113 Прикладна математика
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
2.55 MB
Контрольна сума :
(MD5):4fb983527c3ca6d0f4153caf4e8a76ab
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution-NonCommercial 4.0 International