Навчання нейронної моделі для аналізу даних фінансових ринків

Abstract

Магістерська робота присвячена дослідженню проблеми аналізу та прогнозування динаміки фінансових ринків із використанням сучасних методів машинного та глибокого навчання. У ході дослідження було проаналізовано структуру та механізми функціонування фінансових ринків, а також фактори, які впливають на їхню динаміку. Особливу увагу приділено типології ринкових процесів і аналізу сучасних публікацій, що дало змогу оцінити обмеження існуючих підходів і визначити перспективні напрями вдосконалення методології прогнозування. У роботі запропоновано нову архітектуру нейронної мережі, яка дозволяє враховувати багатофакторний характер фінансових даних, і розроблено методику їхньої попередньої обробки для ефективного навчання моделі. Експериментальні результати підтвердили високу точність прогнозів, отриманих за допомогою розробленої моделі. Наукова новизна роботи полягає у створенні оригінальної нейронної моделі, удосконаленні підходів до попередньої обробки фінансових даних і використанні сучасних алгоритмів навчання для врахування стохастичної природи ринкових процесів. Практична значимість результатів визначається можливістю їхньої інтеграції у фінансово-аналітичну діяльність інвестиційних компаній, банківських установ і корпорацій.