Система підтримки прийняття рішень для визначення патернів котирувань на фондових ринках

Тема магістерської дисертації «Система підтримки прийняття рішень для прогнозування цін акцій фінансового ринку на основі рекурентрих нейронних мереж». Актуальність магістерської дисертації обумовлена високим розвитком нейромережевих технологій та штучного інтелекту, потреба в зростанні якості прогнозів фінансових ринків, незавершеність формування цілісного уявлення щодо прогнозування цін на фінансових ринках. Об’єкт дослідження - нейронні мережі на основі рекурентної архітектури, їх можливості та перспективи у сфері фінансового прогнозування. Предмет дослідження - моделі та методи застосування нейронних мереж для задач прогнозування, шляхи покращення існуючих методів та систем прогнозування. Метою магістерської дисертації є підвищення якісних характеристик роботи рекурентних нейромереж для розв’язання задач прогнозування фінансових ринків. Для досягнення мети були поставлення наступні задачі: 1. Огляд предметної області та аналіз існуючих рішень, архітектур нейромереж; 2. Розробка нових підходів до прогнозування на основі використання елементів штучного інтелекту; 3. Розробка програмного комплексу, що забезпечуватиме просте використання існуючих та розроблених методів для вирішення задачі прогнозування часових рядів.
The theme of my master's dissertation «Decision making support system for prediction of stock prices in financial area based on recurrent neural networks». The urgency of the Master's dissertation is due to the high development of neural network technologies and artificial intelligence, the need to increase the quality of forecasts of financial markets, the incomplete formation of a holistic view of forecasting prices in financial markets. Object of research - neural networks based on recurrent architecture, their capabilities and prospects in the field of financial forecasting. Subject of research - models and methods of using neural networks for forecasting tasks, ways of improving existing methods and forecasting systems. The purpose of the master's dissertation is to increase the qualitative characteristics of the work of recurrent neural networks for solving tasks of forecasting of financial markets. To achieve the goal were the following tasks: 1. Object review and analysis of existing solutions, neural network architectures; 2. Development of new approaches to forecasting based on the use of elements of 3. artificial intelligence; 4. Development of a software complex that will provide easy use of existing and developed methods for solving the problem of prediction of time series.