Применение методов машинного обучения при разработке торговых стратегий на фондовом рынке

Развитие информационных технологий и электронной коммерции привело к значительным изменениям в финансовой сфере. Электронная торговля не только облегчила доступ к рынкам, но и улучшила операционные процессы, что способствовало повышению эффективности инвестиций. Кроме того, современные технологии, такие как машинное обучение, активно развиваются и способны предоставить новые инструменты для анализа рынка и прогнозирования цен акций, что существенно улучшает понимание рисков и перспектив инвестирования. В данной работе исследуются различные методы машинного обучения и предлагается новая модель на основе сверточных нейронных сетей для улучшения точности прогнозов. Цель работы - исследование и сравнение методов машинного обучения для прогнозирования цен акций, а также разработка новой модели для улучшения торговых стратегий. Полученные результаты демонстрируют преимущества модели CNN по сравнению с другими архитектурами, подчеркивая важность выбора подходящей модели для конкретной задачи. Представленная торговая стратегия, основанная на анализе минимумов и максимумов цен акций, обеспечивает автоматизацию торгового процесса и повышает эффективность инвестиционных решений.