Comparative analysis of machine learning algorithms in stock market research problems

Abstract

Объект исследования - Проведение анализа различных методов машинного обучения, архитектур нейросетей, библиотек и инструментов, с целью их дальнейшего применения для рассматриваемой задачи. Поиск, предобработка, оптимизация и нормализация данных для обучения и тестирования и программная реализация модели. Работа состоит из введения, обзора литературы, постановки задачи, четырёх глав, вывода, заключения и списка использованной литературы. В ведении раскрывается актуальность выбранной темы. В обзоре литературы мною рассматриваются книги, интернет-статьи и публикации относящиеся к данной задаче. Далее ставится задача проводимого исследования. В первой и второй главе проводится анализ различных алгоритмов машинного обучения, обзор библиотек и фреймворков используемых в работе. В третьей и четвертой главе проводится построение и настройка моделей и визуализация результатов в виде графиков. В выводе перечислены и охарактеризованы полученные результаты исследования, и предложены способы улучшения результатов в дальнейшем. В заключении кратко проведено описание выполненных передо мною задач и подводятся итоги данной работы.

Object of study - Analysis of various machine learning methods, neural network architectures, libraries and tools, with a view to their further application for the problem under consideration. Search, preprocessing, optimization and normalization of data for training and testing and software implementation of the model. The work consists of introduction, literature review, problem statement, four chapters, conclusion, conclusion and list of used literature. The relevance of the selected topic is disclosed. In a review of the literature I consider books, online articles and publications related to this task. Next, the task of the study. The first and second chapters analyze various machine learning algorithms and review the libraries and frameworks used in the work. In the third and fourth chapter, models are built and tuned and the results are visualized in the form of graphs. The conclusion lists and characterizes the results of the study, and suggests ways to improve the results in the future. In conclusion, a brief description is given of the tasks that I have completed and the results of this work are summarized.