Інтелектуальна система фінансового прогнозування на основі технологій машинного навчання

Abstract

Магістерська наукова робота на здобуття освітньої кваліфікації «Магістр комп’ютерних наук» – Чорноморський національний університет імені Петра Могили, Миколаїв, 2020. Магістерська робота спрямована на дослідження методів машинного навчання для кластеризації та класифікації часових рядів. Розглянуті алгоритми машинного навчання: KNN, SVM, MLP, Дерево рішень, Наївний класифікатор Баєса, Градієнтний бустинг. Практичне значення результатів дослідження та розроблення полягає у можливості їх запровадження в практику для прогнозування динамічних фінансових часових рядів. Пояснювальна записка магістерської роботи складається зі вступу, п’яти розділів, висновків. У вступі визначається актуальність теми, сформульовані мета, об’єкт, предмет та завдання дослідження магістерської роботи. У першому розділі досліджується ринок курсів акцій та валют, що являться як об’єктом дослідження; проводиться аналіз його економічних показників та основних методів аналізу. У другому розділі проводиться аналіз існуючих методів та підходів прогнозування часових рядів для короткострокового прогнозування курсу валют. У третьому розділі досліджується метод кластеризації часових рядів та агрегування результатів (пошук барицентрів). Порівнюються різні алгоритми пошуку барицентрів. У четвертому розділі розглянуті основні алгоритми машинного навчання для задачі класифікації часових ряді. У п’ятому розділі описується архітектура розробленої програми та узагальнюються результати дослідження.