Рекомендаційна система прийняття інвестиційних рішень на основі прогнозування поведінки акцій S&P 500

Abstract

Дана кваліфікаційна робота присвячена розробці рекомендаційної системи підтримки прийняття інвестиційних рішень із урахуванням історичних даних щодо цін активів, поточного контексту ринку, ризиків та тональності фінансових новин стосовно цих активів. Що є актуальним в умовах високої динамічності фінансових ринків, їх значної волатильності та залежності від великої кількості взаємопов’язаних факторів. Об’єкт дослідження – процес прийняття інвестиційних рішень на фондовому ринку. Предмет дослідження – методи та нейромережеві моделі аналізу й прогнозування поведінки фінансових часових рядів і новин та формування багатокритеріальних інвестиційних рекомендацій. Мета дослідження – підвищення ефективності прийняття інвестиційних рішень шляхом розробки рекомендаційної системи на основі нейромережевих моделей аналізу й прогнозування поведінки акцій індексу S&P 500 і фінансових новин та методів багатокритеріальної оцінки інвестиційних активів. Структура кваліфікаційної роботи включає вступ, чотири розділи, висновки та додатки. У першому розділі розкрито теоретичні аспекти аналізу фондового ринку та прийняття інвестиційних рішень, досліджено сучасні підходи та програмні рішення у цій сфері. У другому розділі обґрунтовано вибір моделей та методів надання рекомендацій на основі аналізу й прогнозування поведінки акцій компаній індексу S&P 500 та фінансових новин. У третьому розділі описано навчання та обґрунтовано вибір нейромережевих моделей для прогнозування поведінки акцій. У четвертому розділі описано проєктування, програмну реалізацію і тестування рекомендаційної системи прийняття інвестиційних рішень на основі прогнозування поведінки акцій індексу S&P 500 та оцінено її якість. Кваліфікаційна робота містить 97 сторінок (без додатків), 33 рисунка, 15 таблиць, 40 джерел та 3 додатки. This bachelor's qualification work is devoted to the development of a recommendation system to support investment decisions taking into account historical data on asset prices, the current market context, risks and the tone of financial news regarding these assets. What is relevant in the conditions of high dynamism of financial markets, their significant volatility and dependence on a large number of interrelated factors. Object of the study – the process of investment decision-making in the stock market. Subject of the study – methods and neural network models for the analysis and forecasting of financial time series and news, as well as the generation of multi-criteria investment recommendations. The purpose of the work is to increase the efficiency of investment decision-making by developing a recommender system based on neural network models for the analysis and forecasting of S&P 500 stock behavior and financial news, as well as multi-criteria methods for evaluating investment assets. The structure of the bachelor's work includes an introduction, four sections, conclusions and appendices. The first section presents the theoretical aspects of stock market analysis and investment decision-making, as well as examines modern approaches and software solutions in this field. The second section substantiates the choice of models and methods of providing recommendations based on the analysis and forecasting of the behavior of S&P 500 index shares and financial news. The third section describes the training and justifies the choice of neural network models for forecasting stock behavior. The fourth section describes the design, software implementation and testing of the recommender system for making investment decisions based on forecasting the behavior of shares of the S&P 500 index and assesses its quality. The qualification work contains 97 pages (without appendices), 33 figures, 15 tables, 40 sources, and 3 appendices.