| Popis: |
Магістерська дисертація: 99 с., 26 табл., 29 рис., 25 джерел, 1 додаток. Об’єктом дослідження є задача прогнозування фінансових даних. Предмет дослідження – авторегресійні моделі, рекурентна нейронна мережа довгої короткострокової пам’яті та нейронна мережа, побудована на механізмі уваги. Мета дослідження полягає у аналізі фінансових данних, підборі моделей для прогнозування, реалізації методів прогнозування на основі механізмів штучного інтелекту та вибір найкращого методу. Як результат дослідження було запропоновано та розроблено модель прогнозування даних, що використовує механізми штучного інтелекту, як авторегресійні моделі, нейронні мережі довгої короткострокової пам'яті та модель на основі механізму уваги. Проведено порівняння побудованих моделей та вибрано найкращу за метриками MAPE, MAE, MSE, R2. Результат даної роботи можна застосувати при вирішенні подібних задач короткострокового прогнозування нестаціонарних часових рядів. Master’s thesis: 99 p., 26 tab., 29 fig., 25 references, 1 appendix. The object of research is the problem of forecasting financial data. The subjects of current thesis are autoregressive models, recurrent neural network of long short-term memory and attention network. The purpose of the study is to analyze financial data, select models for forecasting, implement forecasting methods based on artificial intelligence mechanisms and choose the best method. As a result of the study, a data forecasting model was proposed and developed that uses artificial intelligence mechanisms such as autoregressive models, long short-term memory neural networks and a model based on the attention mechanism. The comparison of the constructed models was carried out and the best one was chosen according to the metrics MAPE, MAE, MSE, R2. The result of this work can be applied in solving similar problems of short-term forecasting of non- stationary time series. |
