ПРОГНОЗУВАННЯ ЦІН АКЦІЙ З ВИКОРИСТАННЯМ РЕКУРЕНТНОЇ НЕЙРОННОЇ МЕРЕЖІ LSTM
Ключові слова:
прогнозування цін, рекурентна нейронна мережа, LSTM, оцінка якості прогнозу, точність короткострокового прогнозу, прогнозування часових рядів
Анотація
Дослідження проведено для ознайомлення зі структурою та принципом роботи рекурентної нейронної мережі LSTM (Long short-term memory) та аналізу можливості її використання для прогнозування цін акцій однієї з великих технологічних компаній. В роботі описано теоретичний матеріал, що стосується рекурентних нейронних мереж та мережі LSTM. На прикладі статистичних даних акцій компанії Apple було продемонстровано роботу обраного методу та обчислено оцінки якості прогнозу RMSE, MAE, MAPE і оцінено точність короткострокового прогнозу. Результати дослідження показали, що рекурентні нейронні мережі можна застосовувати для прогнозування часових рядів і при цьому отримувати результат з високою точністю. У подальших дослідженнях будуть запропоновані інші види нейронних мереж та оцінка їх роботи на фінансових данихЗавантаження
Дані про завантаження поки що недоступні.
Посилання
1. Бідюк П.І., Романенко В.Д., Тимощук О.Л. Аналіз часових рядів (навчальний посібник). – Київ: Політехніка, 2010. – 317 с.
2. Дані акцій компанії Apple на ресурсі Yahoo Finance. URL: https://finance.yahoo.com/quote/AAPL.
3. Robert C.R. Bayesian Choice. – New York: Springer, 2007. – 617 p.
4. Poon S-H. A Practical Guide to Forecasting Financial Market Volatility. – Hoboken, NJ: John Wiley & Sons, Ltd. 2005. – 238 p.
5. Tsay R.S. Analysis of Financial Time Series. – Hoboken, NJ: John Wiley & Sons, Ltd. 2010. – 715 p.
6. Klaus Greff, Rupesh Kumar Srivastava, Jan Koutnuk, Bas R. Steunebrink. LSTM: A Search Space Odyssey. 2015. 10 p.
7. Felix A. Gers, Jorgen Schmidhuber, Fred Cummins. Learning to Forget: Continual Prediction with LSTM. Neural Computation 12 (10). 2000. P. 2451–2471
8. Understanding LSTM Networks URL: http://colah.github.io/posts/2015-08-Understanding-LSTMs/.
9. Бідюк П.І., Половцев О.В. Аналіз та моделювання економічних процесів перехідного періоду. – Київ: НТУУ «КПІ», 1999. – 230 с.
2. Дані акцій компанії Apple на ресурсі Yahoo Finance. URL: https://finance.yahoo.com/quote/AAPL.
3. Robert C.R. Bayesian Choice. – New York: Springer, 2007. – 617 p.
4. Poon S-H. A Practical Guide to Forecasting Financial Market Volatility. – Hoboken, NJ: John Wiley & Sons, Ltd. 2005. – 238 p.
5. Tsay R.S. Analysis of Financial Time Series. – Hoboken, NJ: John Wiley & Sons, Ltd. 2010. – 715 p.
6. Klaus Greff, Rupesh Kumar Srivastava, Jan Koutnuk, Bas R. Steunebrink. LSTM: A Search Space Odyssey. 2015. 10 p.
7. Felix A. Gers, Jorgen Schmidhuber, Fred Cummins. Learning to Forget: Continual Prediction with LSTM. Neural Computation 12 (10). 2000. P. 2451–2471
8. Understanding LSTM Networks URL: http://colah.github.io/posts/2015-08-Understanding-LSTMs/.
9. Бідюк П.І., Половцев О.В. Аналіз та моделювання економічних процесів перехідного періоду. – Київ: НТУУ «КПІ», 1999. – 230 с.
Опубліковано
2021-09-03
Як цитувати
Bidyuk P. Прогнозування цін акцій з використанням рекурентної нейронної мережі lstm / P. Bidyuk, Y. Huts, V. Gavrilenko, N. Rudoman // Системи управління, навігації та зв’язку. Збірник наукових праць. – Полтава: ПНТУ, 2021. – Т. 3 (65). – С. 64-68. – doi:https://doi.org/10.26906/SUNZ.2021.3.064.
Розділ
Інформаційні технології
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
