Використання глибоких рекурентних нейронних мереж для аналізу біржового ринку

Abstract

Кваліфікаційна робота присвячена дослідженню можливостей застосування глибоких рекурентних нейронних мереж (зокрема, архітектури LSTM) у задачах прогнозування динаміки фондового ринку на прикладі біржового індексу S&P 500. У роботі проаналізовано актуальність використання методів машинного навчання в автоматизованій торгівлі, розглянуто принципи побудови моделей на основі часових рядів, а також обґрунтовано вибір мови програмування Python та відповідних бібліотек для реалізації моделі. Особливу увагу приділено етапам підготовки даних, навчанню моделі та аналізу точності прогнозу за допомогою метрик RMSE, MAE, R2. Результати дослідження підтвердили ефективність підходу LSTM у контексті алгоритмічної торгівлі та обґрунтували можливість його інтеграції у реальні торгові системи. Обсяг роботи: - Кількість сторінок: 57 - Кількість рисунків: 16 - Кількість таблиць: 0 - Кількість додатків: 1 - Кількість джерел: 15