Інтелектуальна система класифікації волатильності валют

Abstract

Актуальність даного дослідження полягає у необхідності підвищення якості класифікації волатильності валют за рахунок методів машинного навчання та аналізу динаміки валютних ринків. Таким чином трейдери та аналітики матимуть змогу отримати більш точні та передбачувані результати для прийняття ефективних фінансових рішень, а також краще розуміти ризики та можливості на валютному ринку. Вони зможуть вчасно реагувати на зміни у валютному середовищі та вдосконалювати свої стратегії торгівлі. Особливо, з урахуванням нестабільності сучасного економічного середовища та впливу різноманітних факторів, таких як економічні новини, глобальні кризи, та природні катастрофи, розробка інтелектуальної системи для класифікації волатильності валют стає критично важливою. Об’єктом дослідження є процес класифікації та аналізу даних щодо волатильності валют використовуючи методи машинного навчання. Предметом дослідження є моделі та методи машинного навчання, а саме наївний баєсівський класифікатор та метод опорних векторів для вирішення задач класифікації на основі сформованого набору даних. Метою дослідження є розробка та дослідження інтелектуальної системи, яка здатна ефективно класифікувати рівень волатильності на валютних ринках. Робота спрямована на вивчення різних методів машинного навчання та класифікаторів на основі різних мір подібності, з метою визначення оптимального підходу для класифікації волатильності Дана робота складається з п’яти розділів. Кожен розділ відповідно присвячений: аналізу предметної області, методам машинного навчання, використаним у кваліфікаційній роботі магістра, моделюванню і розробці системи, аналізу отриманих результатів, охороні праці та методичній частині магістерської роботи. Загальний обсяг роботи – 129 сторінок. Кваліфікаційна робота магістра містить один додаток, 9 формул, 60 рисунків, 3 таблиці і посилання на 41 літературне джерело. The relevance of this study lies in the need to improve the quality of currency volatility classification using machine learning methods and analysis of currency market dynamics. In this way, traders and analysts will be able to obtain more accurate and predictable results for making effective financial decisions, as well as better understand the risks and opportunities in the foreign exchange market. They will be able to respond to changes in the currency environment in a timely manner and improve their trading strategies. Especially given the instability of the current economic environment and the impact of various factors such as economic news, global crises, and natural disasters, the development of an intelligent system for classifying currency volatility becomes critical. The object of research is the process of classifying and analyzing data on currency volatility using machine learning methods. The subject of the study is machine learning models and methods, namely the naive Bayesian classifier and the support vector method for solving classification problems based on the generated data set. The aim of the study is to develop and research an intelligent system that can effectively classify the level of volatility in the currency markets. The work is aimed at studying various machine learning methods and classifiers based on different similarity measures in order to determine the optimal approach for volatility classification. This thesis consists of five chapters. Each chapter is devoted to the analysis of the subject area, machine learning methods used in the master's thesis, modeling and development of the system, analysis of the results, labor protection, and the methodological part of the master's thesis. The total volume of the work is 129 pages. The master's qualification work contains one appendix, 9 formulas, 60 figures, 3 tables and references to 41 literature sources.