Details

Целью исследования является рассмотрение прототипа прогнозирования цен на предметы коллекционирования с дальнейшей коммерциализацию и предложению для внедрения крупному ритейлеру. Предмет ВКР - долгосрочное прогнозирование цен на предметы коллекционирования и возможность применения прототипа для коммерческой деятельности ретейлера. Методы исследования: анализ, сравнение, прототипирование, измерение. Основные результаты исследования: проведение анализа методов прогнозирования, оценка их преимущества и недостатки; анализ применения машинного обучения в прогнозировании; анализ рынка существующих систем и пакетных решений; прототип системы прогнозирования цен на предметы коллекционирования с применением методов машинного обучения и нейронных сетей; критерии коллекционирования и возможности коммерциализации; план внедрения для крупного ритейлера, а также рассмотреть риски, связанные с долгосрочным прогнозированием цен. Выводы - работа имеет выраженный прикладной характер и обладает значительной практической значимостью. Разработанный прототип системы прогнозирования цен на предметы коллекционирования имеет высокий потенциал для коммерциализации и может быть использован для выгодного инвестирования или продажи редких или уникальных предметов на аукционах или через интернет-платформы. По итогам работы цель по рассмотрению прототипа прогнозирования цен на предметы коллекционирования с дальнейшей коммерциализацию и предложению для внедрения крупному ритейлеру была достигнута.

The purpose of the research is to consider a prototype of price forecasting for collectibles with further commercialization and proposal for implementation to a large retailer. The subject of the research is long-term price forecasting for collectibles and the possibility of applying the prototype to the commercial activity of a retailer. Research methods: analysis, comparison, prototyping, measurement. The main results of the research: analysis of forecasting methods, evaluation of their advantages and disadvantages; analysis of the application of machine learning in forecasting; market analysis of existing systems and package solutions; prototype of the system for forecasting prices of collectibles using machine learning and neural networks; criteria of collectibles and possibilities of commercialization; implementation plan for a large retailer, and consider the risks associated with longterm price forecasting. Conclusions - the work has a pronounced applied nature and has significant practical relevance. The developed prototype of the system of price forecasting for collectibles has a high potential for commercialization and can be used for profitable investment or sale of rare or unique items at auctions or through online platforms. According to the results of the work, the goal to review the prototype of price forecasting for collectibles with further commercialization and proposal for implementation to a large retailer was achieved.