Система торгівлі цінними паперами методами навчання з підкріпленням

Магістерська дисертація: 87 с., 22 табл., 19 рис., 1 додаток, 18 джерел. Актуальність теми: в світі бурхливо зростає популярність нових під­ходів до алгоритмічної торгівлі. Проте, разом з цим, зростає і кількість трейдерів, основною задачею яких є одержання прибутку. Таким чином, розробка та застосування систем торгівлі у процесі прийняття рішення щодо здійснен­ня операцій купівлі продажу цінних паперів є актуальною на сьогоднішній день. Мета даної роботи полягає у дослідженні та вдосконаленні існуючих методик побудови моделей навчання з підкріпленням для торгівлі цінними паперами та розробці системи що здійснюватиме цю торгівлю. Об’єктом дослідження є набір статистичних даних щодо операцій купівлі та продажу цінних паперів на біржі. Методи дослідження: моделі навчання з підкріпленням, нейроннні мережі та операції над матрицями. Програмний продукт реалізований за допомогою мови програмування Python 3.7 у середовищі розробки Jupyter Notebook. Отримані результати: розроблено систему систему торгівлі цінними паперами за допомогою навчання з підкріпленням. Проведено апробацію програмного продукту на реальних даних. Master’s thesis explanatory note: 87 p., 22 tabl., 19 fig.,1 application, 18 references. Relevance of the topic: new approaches to algorithmic trading are growing rapidly in the world. However, at the same time, there is an increasing number of traders whose main task is to make a profit. Thus, the development and application of trading systems in the decision­making process for the sale of securities is currently relevant. The purpose of this work is to research and improve existing methods of building models of reinforcement training for trading securities and developing a system that will carry out this trade. The object of the study is a set of statistics on the operations of buying and selling securities on a stock exchange. Research Methods: Supportive learning models, neural networks, and matrix operations. The software is implemented using Python 3.7 programming language in the Jupyter Notebook development environment. Results obtained: Securities trading system was developed using reinforcement training. The software is tested on real data.