Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/31658
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Васильев Константин Геннадьевич | ru_RU |
dc.contributor.advisor | Vasilev Konstantin Gennadevic | en_GB |
dc.contributor.author | Арсланов Николай Адельевич | ru_RU |
dc.contributor.author | Arslanov Nikolaj Adelevic | en_GB |
dc.contributor.editor | Колесов Дмитрий Николаевич | ru_RU |
dc.contributor.editor | Kolesov Dmitrij Nikolaevic | en_GB |
dc.date.accessioned | 2021-08-01T11:51:35Z | - |
dc.date.available | 2021-08-01T11:51:35Z | - |
dc.date.issued | 2020 | |
dc.identifier.other | 056796 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/31658 | - |
dc.description.abstract | В данной работе представлен процесс разработки и внедрения интеллектуальных систем с нейросетевой структурой в качестве инструмента анализа ценных бумаг на фондовом рынке. Данная тема широко распространена в научно-исследовательской среде и активно применяется на практике, так как нейросетевые технологии используются для решения широкого спектра задач. Основной целью этой работы является определение нейросетевых алгоритмов и выделение наиболее эффективных из них для решения задач в финансово-аналитической области. Для достижения поставленной цели потребовалось: 1. Изучить теоретическую базу, необходимую для создания нейронных сетей; 2. Выбрать и проанализировать финансовые активы; 3. Выполнить предобработку исходных данных; 4. Разработать и протестировать программы с нейросетевой структурой; 5. Провести оценку стандартными методами и сравнить полученные результаты. Реализация вышеуказанных цели и задач обусловила структуру и логику данной работы. Она состоит из четырех глав, введения, заключения, списка используемых источников и приложений. В первой главе представлена общая характеристика нейронных сетей, и выделен поэтапный план их разработки. Во второй главе приводится информация об использовании нейронных сетей на фондовом рынке. Помимо этого, здесь осуществляется выбор и анализ финансовых активов, выделяются исходные данные и определяются задачи для нейронной сети. В третьей главе рассматриваются методы, применяемые для поиска аномальных экземпляров данных. Далее на их основе составляется алгоритм обработки данных, который затем реализуется на программном уровне. В четвертой главе происходит разработка и тестирование программ с нейросетевой структурой. Затем осуществляется оценка данных с помощью методов анализа временных рядов. Наконец, проводится сравнительный анализ между результатами программ и статистической оценки данных, делаются выводы. | ru_RU |
dc.description.abstract | This work showcases a process of development and application of intelligent systems based on neural networks as a tool of analyzing assets on a stock market. This topic is widespread in the research environment and is actively used in practice, as neural networks are used in solving a wide range of tasks. The main goal of this work is to determine neural network algorithms and highlight the most effective of them for solving problems in the financial and analytical field. To achieve this goal the following tasks are set: 1. To study the theoretical basis necessary for the creation of neural networks; 2. Select and analyze financial assets; 3. Perform pre-processing of the source data; 4. Develop and test programs with a neural network structure; 5. Assess using standard methods and compare the results. The implementation of the above goals and objectives determined the structure and logic of this work. It consists of four chapters, introduction, conclusion, list of used sources and applications. The first chapter presents a general description of neural networks, and sets out a phased plan for their development. The second chapter provides information on the use of neural networks in the stock market. In addition, here the selection and analysis of financial assets is carried out, the initial data are highlighted and the tasks for the neural network are determined. The third chapter discusses the methods used to search for abnormal data instances. Further, based on them, a data processing algorithm is compiled, which is then implemented at the software level. The fourth chapter is dedicated to the development and testing of programs with a neural network structure. Data is then evaluated using time series analysis methods. Finally, a comparative analysis is carried out between the results of programs and statistical evaluation of data, conclusions are drawn. | en_GB |
dc.language.iso | ru | |
dc.subject | Интеллектуальные системы | ru_RU |
dc.subject | искусственные нейронные сети | ru_RU |
dc.subject | многослойные нейронные сети | ru_RU |
dc.subject | LSTM-сети | ru_RU |
dc.subject | фондовый рынок | ru_RU |
dc.subject | государственные облигации | ru_RU |
dc.subject | предсказания | ru_RU |
dc.subject | Intelligent systems | en_GB |
dc.subject | artificial neural networks | en_GB |
dc.subject | multilayer neural networks | en_GB |
dc.subject | LSTM-networks | en_GB |
dc.subject | stock market | en_GB |
dc.subject | government bonds | en_GB |
dc.subject | predictions | en_GB |
dc.title | Development and practical application of neural networks in the stock market | en_GB |
dc.title.alternative | Разработка и практическое применение нейронных сетей на фондовом рынке | ru_RU |
Располагается в коллекциях: | BACHELOR STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
VKR__itog__Arslanov_N.A._.docx | Article | 1,63 MB | Microsoft Word XML | Просмотреть/Открыть |
reviewSV_Otzyv_Arslanov.docx | ReviewSV | 24,82 kB | Microsoft Word XML | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.