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.