Детальная информация
Название | Прогнозирование цен акций с использованием рекуррентной нейронной сети: выпускная квалификационная работа магистра: 09.04.04 - Программная инженерия ; 09.04.04_01 - Технология разработки и сопровождения качественного программного продукта |
---|---|
Авторы | Овсепян Анушик Владиковна |
Научный руководитель | Амосов Владимир Владимирович |
Организация | Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий |
Выходные сведения | Санкт-Петербург, 2018 |
Коллекция | Выпускные квалификационные работы ; Общая коллекция |
Тематика | Нейронные сети ; Вычислительные машины электронные персональные — Библиотеки программ ; фондовые рынки ; акции |
УДК | 004.032.26 |
Тип документа | Выпускная квалификационная работа магистра |
Тип файла | |
Язык | Русский |
Уровень высшего образования | Магистратура |
Код специальности ФГОС | 09.04.04 |
Группа специальностей ФГОС | 090000 - Информатика и вычислительная техника |
Ссылки | Отзыв руководителя ; Рецензия |
DOI | 10.18720/SPBPU/2/v18-1450 |
Права доступа | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
Ключ записи | RU\SPSTU\edoc\56165 |
Дата создания записи | 09.11.2018 |
Разрешенные действия
–
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Группа | Анонимные пользователи |
---|---|
Сеть | Интернет |
Объектом исследования является определение эффективной модели для прогнозирования цен на акции на основе рекуррентной нейронной сети. В этой работе применяются VanillaRNN, LSTM и GRU сети для прогноза цен на акции на примере компании PorscheAutomobilHolding SE и сравниваются полученные результаты. Эффективность модели была количественно оценена с помощью метода среднеквадратичной ошибки RMSE. Программная реализация выполнена с использованием библиотек для машинного обучения и сложных математических вычислений, таких как Keras, TensorFlow, scikit-learn, Pandas, NumPy и представляет собой скрипт на языке программирования Python 3.5.5. Результатом данной выпускной квалификационной работы является разработка модели для прогнозирования цен с целью её дальнейшего применения в краткосрочной торговле.
Место доступа | Группа пользователей | Действие |
---|---|---|
Локальная сеть ИБК СПбПУ | Все |
|
Интернет | Авторизованные пользователи СПбПУ |
|
Интернет | Анонимные пользователи |
|
Количество обращений: 170
За последние 30 дней: 0