Прогнозирование многоступенчатых временных рядов стоимостей ценных бумаг с помощью различных методов машинного обучения

В выпускной квалификационной работе на тему “Прогнозирование многоступенчатых временных рядов стоимостей ценных бумаг с помощью различных методов машинного обучения” рассмотрены теоретические основы, такие как обзор прошлых работ на аналогичные темы, и практическая составляющая – реализация этих моделей для прогнозирования многоступенчатых временных рядов стоимостей акций. Цель исследования: рассмотреть существующие методы прогнозирования временных рядов для стоимости ценных бумаг, оценить их эффективность и предложить собственную модель прогнозирования. Объектом исследования является прогнозирование временных рядов. Предметом исследования является многоэтапное прогнозирование временного ряда цены акций с использованием различных инструментов машинного обучения и выбор оптимального варианта. Работа состоит из введения, трех глав, заключения, списка литературы и приложения. В первой главе проведен обзор существующих исследований в этой области. Во второй главе описаны концепции основных моделей машинного обучения и их описание с технической точки зрения. Были рассмотрены основные модели ML: Linear Regression, Gradient Boosting, SVR), модели временных рядов, таких как ARIMA и ETS, а также модели DL: LSTM. В третьей главе приведены результаты реализованных моделей и значения гиперпараметров, при которых достигается лучшее качество моделей. Объем работы 60 страниц. Работа содержит 11 рисунков, 11 таблиц и 2 приложения, использован 31 источник информации.