Сравнительный анализ моделей прогнозирования стоимости акций компаний IT-сектора с использованием машинного обучения

Прогнозирование фондового рынка — это философский камень для специалистов по обработке данных, которые мотивированы не столько погоней за материальной выгодой, сколько самой задачей. Ежедневные взлеты и падения рынка предполагают, что должны существовать закономерности, которые мы или наши модели можем изучить. На данный момент в арсенале аналитиков присутствует огромное количество аналитических инструментов для создания прогнозов. На сегодняшний день к числу самых часто используемых инструментов для обнаружения различных зависимостей относятся финансовые боты и методы машинного обучения. Исследователи в том числе заинтересованы в идентификации различных зависимостей, для того чтобы объяснить и смоделировать различные экономические процессы. Для данных задач на смену стандартным методам машинного обучения приходят методы глубокого обучения. Нейронные сети- есть широкий класс алгоритмов глубокого обучения (Deep Learning). Применение сетей в алгоритмическом трейдинге и финансах существенно расширилось в последние годы. Основной проблемой предиктивной аналитики фондового рынка является то, что для разработки точных прогнозов следует иметь полный объём достоверной информации, а также уметь применять подходящие к конкретной задаче методы. Специализированные брокеры основывают свое исследование на том факте, что модели рыночной стоимости позже повторили бы то же самое, что позволяет использовать их для оценки. Временные ряды - самый известный и широко используемый метод формирования ожиданий. Основной задачей моей работы является создание алгоритмов машинного обучения, в том числе и нейронных сетей, для моделирования поведения и формирования прогнозов на цены различных финансовых активов (в работе алгоритмы предсказывают цены и доходность акций), а также последующего сравнения эффективности и точности прогноза различных моделей.