Детальная информация

Название: Прогнозирование тренда котировок финансовых инструментов с помощью машинного обучения: выпускная квалификационная работа магистра: направление 09.04.04 «Программная инженерия» ; образовательная программа 09.04.04_02 «Основы анализа и разработки приложений с большими объемами распределенных данных»
Авторы: Ворошилов Максим Константинович
Научный руководитель: Дробинцев Павел Дмитриевич
Другие авторы: Локшина Екатерина Геннадиевна
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Выходные сведения: Санкт-Петербург, 2021
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: машинное обучение; прогнозирование; котировки; модель разложимых временных рядов; фондовый рынок; machine learning; prediction; quotes; decomposable time series model; stock market
УДК: 004.62
ББК: 65.264
Тип документа: Выпускная квалификационная работа магистра
Тип файла: PDF
Язык: Русский
Уровень высшего образования: Магистратура
Код специальности ФГОС: 09.04.04
Группа специальностей ФГОС: 090000 - Информатика и вычислительная техника
Ссылки: Отзыв руководителя; Рецензия; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2021/vr/vr21-1944
Права доступа: Доступ по паролю из сети Интернет (чтение, печать, копирование)
Ключ записи: ru\spstu\vkr\13514

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

Аннотация

В данном исследовании рассмотрены различные подходы к прогнозированию рынка ценных бумаг. Проведён обзор существующих решений на основе анализа научных статей. Цель работы – разработка системы прогнозирования тренда цены закрытия акций технологических компаний. Основой концепции реализованного подхода является модель разложимых временных рядов, состоящая из трёх главных компонентов: тренда, сезонности и праздничных дней. Данное исследование выдвигает предположение о целесообразности прогнозирования котировок технологических компаний путём моделирования сезонных изменений. Система прогнозирования реализована на языке программирования Python с помощью библиотеки Facebook Prophet и комплекса дополнительных инструментов. Имплементированная модель продемонстрировала высокую точность прогноза на выбранных наборах данных. В каждом из экспериментов модель корректно спрогнозировала будущий тренд финансового временного ряда. Это позволило подтвердить предположение о целесообразности прогнозирования котировок компаний технологического сектора путём введения искусственной сезонности, адаптируемой под специфику каждого временного ряда.

In this study different approaches to predicting the stock market were considered. The paper demonstrates a review of existing solutions based on the analysis of scientific articles. The purpose of the graduation work is to develop a system for predicting the closing price trend of the stocks of technology companies. The basis of the implemented approach is the decomposable time series model with three main components: trend, seasonality, and holidays. This study assumes that it is advisable to predict the stocks of technology companies by simulating seasonal changes. The forecasting system is implemented using Python programming language and Facebook Prophet library with set of additional tools. The implemented model has demonstrated high prediction accuracy on the selected datasets. In each of the experiments, the model correctly predicted the future trend of the financial time series. This made it possible to confirm the assumption about the advisability of predicting the stocks of technology companies by introducing custom seasonality, which is adapted to the specifics of each time series.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать Загрузить
Внешние организации №2 Все Прочитать
Внешние организации №1 Все
Интернет Авторизованные пользователи СПбПУ Прочитать Печать Загрузить
Интернет Авторизованные пользователи (не СПбПУ, №2) Прочитать
Интернет Авторизованные пользователи (не СПбПУ, №1)
-> Интернет Анонимные пользователи

Статистика использования

stat Количество обращений: 10
За последние 30 дней: 0
Подробная статистика