Анализ литературных источников показал, что существуют исследования по применению нейронных сетей для прогнозирования котировок финансовых активов, торгуемых на биржах.
Так же установлено, что перспективным направлением развития данного направления является применения сверточных нейронных сетей для решения задачи прогнозирования, так как использование такого типа сетей позволяет избежать необходимости ручного поиска значимых признаков в числовых значениях котировок (нейронная сеть выполняет этот шаг самостоятельно в процессе обучения).
Задача прогнозирования котировок финансовых активов представлена в виде анализа данных временного ряда.
При этом прогнозирование будущих значений котировок основано на анализе предыдущих исторических значений. В общем случае, требуется построить регрессионную модель, которая максимально точно описывала бы исторические данные котировок.
Прогнозирование основано на экстраполяции модели на будущие значения котировок.
В качестве регрессионной модели было предложено использовать сверточную нейронную сеть.
В качестве анализируемого временного ряда предложено использовать набор значений, показывающих среднюю цену актива в течение каждого дня.
В качестве прогнозной модели используется свёрточная нейронная сеть, состоящая из нескольких слоев свертки (convolution) и выборки (sub-sampling), а также многослойного персептрона (mlp).
Формирование обучающей выборки обеспечивается за счет использования метода сканирующего окна смещающегося по историческим данным изменения цены актива слева на право. При этом ширина окна равна 120 значениям.
Разработана структура веб-сервиса для прогнозирования цены активов, которая включает в себя получение исторических данных из сервиса Quandl, обработке этих данных на облачном сервисе Colab и предоставление прогнозов по выбранному активу через браузер в виде изображений.
Разработано и протестировано программное обеспечение, реализующее технологию прогнозирования цен на активы, основанную на анализе временных рядов с помощью свёрточной нейронной сети.
Показаны примеры работы программного обеспечения на мистических данных финансовых активов с тикерами MO и ARCC.
Результаты ВКР представляют научно-практический интерес и могут быть рекомендованы веб-дизайнерам и аналитикам, занимающимся разработкой программного обеспечения для финансовой сферы.

Купить