Управління інвестиційним портфелем із використанням алгоритмів машинного навчання

Скорочена інформація про документ
dc.contributor.authorГерасименко, О. Ю.
dc.contributor.authorІгнатюк, С. В.
dc.contributor.authorHerasymenko, Oksana Yu.
dc.contributor.authorIhnatiuk, Serhii V.
dc.date.accessioned2022-10-05T15:25:00Z
dc.date.available2022-10-05T15:25:00Z
dc.date.issued2021
dc.descriptionГерасименко, О. Ю. Управління інвестиційним портфелем із використанням алгоритмів машинного навчання = Investment portfolio management with machine learning algorithms / О. Ю. Герасименко, С. В. Ігнатюк // Зб. наук. пр. НУК. – Миколаїв : НУК, 2021. – № 4 (487). – С. 45–52.uk_UA
dc.description.abstractОтримання пасивного заробітку є однією з найпопулярніших тем сьогодення. Використання накопиченого людьми великого обсягу даних допомагає розв’язувати проблеми ефективніше та оминати помилки через людський фактор, зокрема, у сфері інвестування. Розвиток сучасних технологій, як-от машинне навчання та нейромережі, сприяв тому, що люди мають можливість вкладати свої кошти набагато ефективніше та безпечніше. Завдяки розробленим моделям нейромережа може майже точно передбачити подальшу ціну акції, використовуючи для навчання історичні дані за ціною акцій. У статті розроблено прогностичну модель для передбачення ціни акції компанії на фондовому ринку з використанням рекурентної нейронної мережі, а саме довгої короткочасної пам’яті, проведено оцінку точності її прогнозу. Задля доступності використання моделі пересічними користувачами розроблено телеграм-бот, до якого можна підключитися, вказати компанію та отримати прогноз за ціною її акції. Код програми-бота реалізовано мовою програмування Python із використанням спеціальних бібліотек для створення ботів. Модель нейромережі створено із застосуванням бібліотек машинного навчання Keras і TensorFlow. Мета дослідження – розробити прогностичну модель для передбачення в короткостроковій перспективі ціни акції компанії на фондовому ринку; створити телеграм-бот для її практичного використання. Методика. Порівняльний аналіз алгоритмів машинного навчання, емпіричне дослідження прогностичної моделі. Результати. За результатами порівняльного аналізу вибрано рекурентну нейронну мережу довгої короткочасної пам’яті для прогнозування ціни акції компанії на фондовому ринку. Спроєктовано відповідну модель нейронної мережі, реалізовано телеграм-бот для практичного застосування моделі. Наукова новизна. Дослідження має прикладний характер і полягає у вивченні особливостей застосування довгої короткочасної пам’яті для передбачення ціни акції компанії на фондовому ринку. Практична значимість роботи полягає в розробці телеграм-бота для допомоги інвесторам різних рівнів у аналізі та вирішенні питань інвестиційного портфеля.uk_UA
dc.description.abstract1Passive income is one of the most popular topics nowadays. Using a large amount of data helps to solve problems more efficiently and avoid mistakes due to the human factor, including in the field of investment. The development of modern technologies, such as machine learning and neural networks, has made it possible for people to invest much more efficiently and securely. Thanks to the developed models, the neural network can almost accurately predict the future share price using historical data for training. This paper considers a model for predicting the stock price of a company in the stock market based on long-term short-term memory and evaluates the accuracy of its forecast. In order to make the model accessible to ordinary users, a telegram bot has been developed. Everyone can connect to it, specify a ticker symbol and get a forecast of share price. The code of the bot program is implemented with Python programming language using special libraries for creating bots. The neural network model was created using the Keras and TensorFlow machine learning libraries. The purpose of the study is to develop a forecast model to predict in the short term the share price of the company in the stock market; creation of a telegram bot for its practical use. Method. Comparative analysis of machine learning algorithms, empirical study of the prognostic model. Results. Based on the results of comparative analysis, a long-term short-term memory was selected to predict the company’s stock price on the stock market. An appropriate neural network model was designed, a telegram bot was implemented for practical application of the model. Scientific novelty. This is an applied research. It explores the features of using long-term short-term memory for predicting the company’s stock price. The practical importance of the work is to develop a telegram bot for helping investors of different levels in analyzing and resolving investment portfolio issues.uk_UA
dc.identifier.govdochttps://doi.org/10.15589/znp2021.4(487).8
dc.identifier.issn2311-3405 (Print)
dc.identifier.issn2313-0415 (Online)
dc.identifier.urihttps://eir.nuos.edu.ua/handle/123456789/6112
dc.language.isoukuk_UA
dc.relation.ispartofseries004.89uk_UA
dc.subjectрекурентна нейронна мережаuk_UA
dc.subjectдовга короткочасна пам’ятьuk_UA
dc.subjectKerasuk_UA
dc.subjectTensorFlowuk_UA
dc.subjectакція компаніїuk_UA
dc.subjectфондовий ринокuk_UA
dc.subjectтелеграм-ботuk_UA
dc.subjectrecurrent neural networkuk_UA
dc.subjectlong short term memoryuk_UA
dc.subjectKerasuk_UA
dc.subjectTensorFlowuk_UA
dc.subjectticker symboluk_UA
dc.subjectstock marketuk_UA
dc.subjecttelegram botuk_UA
dc.titleУправління інвестиційним портфелем із використанням алгоритмів машинного навчанняuk_UA
dc.title1Investment portfolio management with machine learning algorithmsuk_UA
dc.title22021
dc.typeArticleuk_UA

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Herasymenko.pdf
Розмір:
1018.44 KB
Формат:
Adobe Portable Document Format
Опис:
стаття
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
7.05 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

№ 4 (487) 2021