Моделі для аналізу та прогнозування ціни акцій на фондовій біржі

Автор(и)

  • Р. Пізнак КПІ ім. Ігоря Сікорського, Україна
  • Т. Ліхоузова КПІ ім. Ігоря Сікорського, Україна

DOI:

https://doi.org/10.20535/1560-8956.45.2024.313196

Ключові слова:

інтелектуальний аналіз даних, модель прогнозування, часовий ряд, LSTM, decision tree, ARIMA, метрики точності

Анотація

Робота присвячена аналізу та прогнозуванню курсів акцій для чотирьох провідних технологічних компаній: Nvidia, Apple, Google та Netflix. Ці компанії є лідерами у своїх галузях та мають значний вплив на світову економіку. Метою є дослідження залежностей, що впливають на курси акцій компаній, а також розробка моделей для прогнозування майбутніх тенденцій. У роботі проведено ґрунтовний аналіз історичних даних курсів акцій компаній, їх макроекономічні показники. Дослідження базувалось на фундаментальних поняттях економічної науки. Для задачі прогнозування курсу акцій на фондовому ринку було обрано методи: LSTM, дерева рішень та ARIMA. Ці методи доповнюють один одного і дозволяють отримати комплексний підхід до аналізу та прогнозування фінансових даних. Результати роботи показали, що модель LSTM продемонструвала найкращу продуктивність для прогнозування курсів акцій, особливо для компаній з відносно стабільною динамікою, як Google. Дерева рішень також показали прийнятні результати для деяких компаній, але поступалися LSTM для більш волатильних часових рядів. Модель ARIMA виявилася неефективною для даної задачі через її лінійну природу та нездатність охопити складні нелінійні ефекти у фінансових даних. Отримані результати можуть бути використані як інвесторами, так і самими компаніями для прийняття більш обґрунтованих рішень та розробки ефективних стратегій. Очікується, що результати дослідження дозволять отримати глибше розуміння майбутніх перспектив цих компаній.

Бібл. 11, іл. 7, табл. 1.

Посилання

Перспективи світової економіки у 2023 році. [Електронний ресурс] – URL: https://niss.gov.ua/doslidzhennya/mizhnarodni-vidnosyny/perspektyvy-svitovoyiekonomiky-u-2023-rotsi

Best Overall: Economics in One Lesson. Henry Hazlitt 1988. [Електронний ресурс] – URL: https://books.google.com.ua/books/about/Economics_in_One_Lesson.html?id=TOCNEAAAQBAJ&redir_esc=y

Kaggle.Datasets [Електронний ресурс] – URL: https://www.kaggle.com/datasets/prajwaldongre/nvidia-corp-share-price-2000-2024?rvi=1

Kaggle.Datasets [Електронний ресурс] – URL: https://www.kaggle.com/datasets/nikhil1e9/netflix-stock-price?select=GOOGLE_daily.csv

Kaggle.Datasets [Електронний ресурс] – URL: https://www.kaggle.com/datasets/nikhil1e9/netflix-stock-price?select=APPLE_daily.csv

Kaggle.Datasets [Електронний ресурс] – URL: https://www.kaggle.com/datasets/nikhil1e9/netflix-stock-price?select=NETFLIX_daily.csv

Документація бібліотеки Pandas. [Електронний ресурс] – URL: https://pandas.pydata.org/docs/

Документація бібліотеки Matplotlib. [Електронний ресурс] – URL: https://matplotlib.org/stable/

LSTMs Explained: A Complete, Technically Accurate, Conceptual Guide with Keras. [Електронний ресурс] – URL: https://medium.com/analytics-vidhya/lstms-explained-a-complete-technically-accurate-conceptual-guide-with-keras-2a650327e8f2

Decision Trees in Machine Learning. [Електронний ресурс] – URL: https://www.coursera.org/articles/decision-tree-machine-learning

What is an ARIMA model? [Електронний ресурc] – URL: https://towardsdatascience.com/what-is-an-arima-model-9e200f06f9eb

##submission.downloads##

Опубліковано

2024-10-15