МОДЕЛІ ТА МЕТОДИ ТЕХНІЧНОГО АНАЛІЗУ ФІНАНСОВИХ РИНКІВ
| Jazyk: | ukrajinština |
|---|---|
| Rok vydání: | 2021 |
| Předmět: | |
| Zdroj: | Management of Development of Complex Systems; No. 48 (2021); 47-52 Управление развитием сложных систем; № 48 (2021); 47-52 Управління розвитком складних систем; № 48 (2021); 47-52 |
| ISSN: | 2219-5300 2412-9933 |
| DOI: | 10.32347/2412-9933.2021.48 |
| Popis: | This paper is devoted to the study of existing models and methods of analysis and prediction of financial markets. Basic information about fundamental and technical analysis of financial markets and their main assumptions is provided. The main tasks and problems that arise in the process of analysis and forecasting of financial markets are highlighted. The relevance of the topic is ensured by the fact of significant increase in the number of financial instruments in stock and other financial markets, as well as the rapid computerization of the trading process in these markets. Analysis of existing models and methods used to solve problems such as: analysis of the current market situation, search for patterns and anomalies in the financial time series and forecast the future price of the asset is provided. Authors mainly focus on statistical models and forecasting methods, pattern recognition methods, machine learning models and methods, sentimental analysis models and hybrid models. Study on the results of such models and methods as long short-term memory, gated recurrent units, support vector machine, perceptually important points is provided. In particular, given results of research of models that are used both independently and as components of a hybrid model for technical analysis of various financial markets. Namely, an overview of the achievements in the application of these models for short- and long-term forecasting in the United States stock market and Korean stock market. It has been found that hybrid artificial neural networks, which are able to take into account the public mood of market players, are the most promising for short-term forecasting of the company's stock price in the stock market. Based on the study, feasibility of using statistical models in combination with methods of pattern recognition or machine learning. В статті проведено огляд існуючих моделей та методів аналізу і прогнозування фінансових ринків. Актуальність теми зумовлена значним зростанням кількості фінансових інструментів на фондових та інших фінансових ринках, а також стрімкою комп’ютеризацією процесу торгів на цих ринках. Представлено основні відомості щодо фундаментального та технічного підходу до аналізу фінансових ринків, наведено основні припущення, на яких базуються ці підходи. Висвітлено основні задачі та проблеми, що виникають у процесі аналізу і передбачення фінансових ринків. Основну увагу зосереджено на огляді існуючих підходів до розв’язання поставлених задач прогнозування майбутньої ціни активу, пошуку аномалій в даних та аналізу поточного стану ринку. Надано огляд досягнень в аналізі та прогнозуванні ринків, технічні, фундаментальні, коротко- та довгострокові підходи, що використовуються для аналізу ринків. У роботі розглядаються статистичні методи прогнозування, методи розпізнавання шаблонів, моделі та методи машинного навчання з учителем та без учителя, моделі сентиментального аналізу, а також гібридні моделі. Проведено огляд результатів дослідження таких моделей та методів, як Long short-term memory, Gated recurrent units, Support vector machine, Perceptually Important Points, які використовуються як самостійно, так і в якості компоненти гібридної моделі для різних фінансових ринків. Зокрема, в оглянутих публікаціях досліджуються моделі на фондовому ринку США та корейському фондовому ринку. Проведене дослідження показало, що для короткострокового прогнозування ціни акцій компанії на фондовому ринку найбільш перспективними є гібридні штучні нейронні мережі, які здатні врахувати суспільні настрої гравців ринку. На основі проведеного дослідження визначено доцільність використання стистичних моделей в комбінації з методами розпізнавання шаблонів чи машинного навчання. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|