📄Работа №71996
Тема: Разработка инструментального средства прогнозирования инвестиций
Тип работы
Дипломные работы, ВКР
Предмет
информационные системы
Объем:
83 листов
Год:
2018
Просмотров:
425
4390
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Введение 5
1 Теоретические сведения и постановка задачи 7
1.1 Модели прогнозирования 12
1.2 Обзор моделей прогнозирования 15
1.2.1 Регрессионные модели 17
1.2.2 Авторегрессионные модели 19
1.2.3 Модели экспоненциального сглаживания 22
1.2.4 Нейросетевые модели 23
1.2.5 Модели на базе цепей Маркова 25
1.2.6 Модели на базе классификационно-регрессионных деревьев 26
1.2.7 Комбинированные модели 27
1.3 Обзор искусственных нейронных сетей 29
1.3.1 Классификация нейронных сетей 32
1.3.2 Алгоритмы обучения нейронных сетей 37
2 Описание средств реализации 42
2.1 Описание методики прогнозирования 44
2.1.1 Поиск и обработка показателей 44
2.1.2 Анализ взаимного влияния финансовых показателей 47
2.1.3 Формирование структуры нейронной сети 50
2.1.4 Апробация полученного инструментального средства 52
2.2 Описание используемых программных продуктов 53
3 Разработка и тестирование программного средства прогнозирования
инвестиций 55
3.1 Описание разработанного приложения 55
3.2 Тестирование программного средства 60
Заключение 65
Список использованной литературы 67
Приложение 1 71
Приложение 2
1 Теоретические сведения и постановка задачи 7
1.1 Модели прогнозирования 12
1.2 Обзор моделей прогнозирования 15
1.2.1 Регрессионные модели 17
1.2.2 Авторегрессионные модели 19
1.2.3 Модели экспоненциального сглаживания 22
1.2.4 Нейросетевые модели 23
1.2.5 Модели на базе цепей Маркова 25
1.2.6 Модели на базе классификационно-регрессионных деревьев 26
1.2.7 Комбинированные модели 27
1.3 Обзор искусственных нейронных сетей 29
1.3.1 Классификация нейронных сетей 32
1.3.2 Алгоритмы обучения нейронных сетей 37
2 Описание средств реализации 42
2.1 Описание методики прогнозирования 44
2.1.1 Поиск и обработка показателей 44
2.1.2 Анализ взаимного влияния финансовых показателей 47
2.1.3 Формирование структуры нейронной сети 50
2.1.4 Апробация полученного инструментального средства 52
2.2 Описание используемых программных продуктов 53
3 Разработка и тестирование программного средства прогнозирования
инвестиций 55
3.1 Описание разработанного приложения 55
3.2 Тестирование программного средства 60
Заключение 65
Список использованной литературы 67
Приложение 1 71
Приложение 2
📖 Введение
Почти в каждой области встречаются явления, которые интересно и важно изучать в их развитии и изменении во времени. В повседневной жизни могут представлять интерес, например, метеорологические условия, цены на тот или иной товар, те или иные характеристики состояния здоровья индивидуума и т. д. Все они изменяются во времени. С течением времени изменяются деловая активность, режим протекания того или иного производственного процесса, режим жизни человека, восприятие видео и аудио информации.
Однако, несмотря на такой широкий разброс по сферам применения и наблюдения, большинство подобных явлений можно представить в виде временного ряда. Совокупность измерений какой-либо одной характеристики подобного рода в течение некоторого периода времени представляют собой временной ряд, а совокупность существующих методов анализа таких рядов наблюдений называется анализом временных рядов.
Основной чертой, выделяющей анализ временных рядов среди других видов статистического анализа, является существенность порядка, в котором производятся наблюдения. Если во многих задачах наблюдения статистически независимы, то во временных рядах они, как правило, зависимы, и характер этой зависимости может определяться положением наблюдений в последовательности. Природа ряда и структура порождающего ряд процесса могут предопределять порядок образования последовательности.
Цель данной работы заключается в исследовании зависимости между экономическими и социальными показателями, такими как курсы валют, цены на нефть, курса Доу-Джонса, ВВП, индекса человеческого развития и прочих, анализ и обработка полученных данных, структурирование данных в виде временного ряда. Итогом данной работы является построение на основании данного исследования методики прогнозирования финансовых показателей при использовании нейронной сети.
Если подавляющее большинство методов прогнозирования стремится к уменьшению влияния факторов, отражающихся на модели, то для нейронных сетей такие факторы способствуют улучшению результатов. Главное условие, чтобы данное влияние было возможно измерить и оценить.
Проектирование методики прогнозирования включает в себя: проведение анализа влияния финансовых показателей друг на друга, установление значений влияния между финансовыми показателями, анализ наиболее подходящих методов для решения данной задачи, построение модели прогнозирования, и разработка инструментального средства инвестиционного прогнозирования.
В ходе достижения общей цели работы решаются следующие задачи:
- изучение методов прогнозирования;
- выбор подходящих для программного решения методов и среды;
- анализ и оценка взаимного влияния выбранных финансовых показателей.
Работа состоит из трех глав, посвященных отдельным вопросам. В первой главе освещены основные методы прогнозирования временных рядов, подробно описана история нейронных сетей. Во второй главе представлено обоснование выбранных для разработки программных продуктов, описаны их достоинства и недостатки, описана методика прогнозирования, разработанная в рамках данной работы. Третья глава содержит описание функционала программного продукта, а также описание процесса тестирования и его результаты. Работа содержит 69 страниц, 38 рисунков, 3 таблицы и 2 приложения.
Однако, несмотря на такой широкий разброс по сферам применения и наблюдения, большинство подобных явлений можно представить в виде временного ряда. Совокупность измерений какой-либо одной характеристики подобного рода в течение некоторого периода времени представляют собой временной ряд, а совокупность существующих методов анализа таких рядов наблюдений называется анализом временных рядов.
Основной чертой, выделяющей анализ временных рядов среди других видов статистического анализа, является существенность порядка, в котором производятся наблюдения. Если во многих задачах наблюдения статистически независимы, то во временных рядах они, как правило, зависимы, и характер этой зависимости может определяться положением наблюдений в последовательности. Природа ряда и структура порождающего ряд процесса могут предопределять порядок образования последовательности.
Цель данной работы заключается в исследовании зависимости между экономическими и социальными показателями, такими как курсы валют, цены на нефть, курса Доу-Джонса, ВВП, индекса человеческого развития и прочих, анализ и обработка полученных данных, структурирование данных в виде временного ряда. Итогом данной работы является построение на основании данного исследования методики прогнозирования финансовых показателей при использовании нейронной сети.
Если подавляющее большинство методов прогнозирования стремится к уменьшению влияния факторов, отражающихся на модели, то для нейронных сетей такие факторы способствуют улучшению результатов. Главное условие, чтобы данное влияние было возможно измерить и оценить.
Проектирование методики прогнозирования включает в себя: проведение анализа влияния финансовых показателей друг на друга, установление значений влияния между финансовыми показателями, анализ наиболее подходящих методов для решения данной задачи, построение модели прогнозирования, и разработка инструментального средства инвестиционного прогнозирования.
В ходе достижения общей цели работы решаются следующие задачи:
- изучение методов прогнозирования;
- выбор подходящих для программного решения методов и среды;
- анализ и оценка взаимного влияния выбранных финансовых показателей.
Работа состоит из трех глав, посвященных отдельным вопросам. В первой главе освещены основные методы прогнозирования временных рядов, подробно описана история нейронных сетей. Во второй главе представлено обоснование выбранных для разработки программных продуктов, описаны их достоинства и недостатки, описана методика прогнозирования, разработанная в рамках данной работы. Третья глава содержит описание функционала программного продукта, а также описание процесса тестирования и его результаты. Работа содержит 69 страниц, 38 рисунков, 3 таблицы и 2 приложения.
✅ Заключение
Главным инвестиционным объектом на сегодняшний день являются акции, котировки, валюта, драгоценные металлы и прочее. Вопросом прогнозирования данных показателей задаются многие люди. В настоящее время существуют довольно результативные программные решения, позволяющие получить прогноз для выбранного показателя. Однако, данный вопрос далек от закрытия закрыт, так как способа, способного дать абсолютно точный прогноз не существует, поэтому задача прогнозирования инвестиций заключается в следующем - уменьшение погрешности до нулевой. Поэтому пока погрешность прогнозирования не станет равна нулю, финансовое прогнозирование останется актуальной проблемой.
В процессе осуществления первоначального обзора были рассмотрены методы, позволяющие решить задачу прогнозирования финансовых показателей. Также был осуществлен анализ взаимного влияния финансовых показателей. Так для курса доллара, который был взят за основу, самыми связанными показателями оказались китайский юань, европейский евро и корейская вона. Такой результат не был неожиданным, однако, целью анализа были выяснить тесноту связи, что и было достигнуто.
На основании проведенного анализа, были выбраны показатели евро и юаня для создания обучающей выборки для искусственной нейронной сети. Как показали результаты тестирования, такой подход имеет потенциал. Так как результаты, полученные по выборкам, скорректированным по курсу второй валюты, продемонстрировали более точный результат. Из чего можно заключить, что задачи работы были выполнены.
Из результатов можно предположить, что дальнейшее исследование взаимного влияния финансовых показателей имеет место быть, однако, не каждое влияние, оказываемое на прогнозируемый показатель можно обличить в количественный показатель, что и служит камнем преткновения в области прогнозирования финансовых показателей.
Подводя итог, можно с уверенностью сказать, что разработанный программный продукт имеет потенциал к развитию, так как пути для модернизации этого приложения существуют, и такая модернизация не затронет функциональной ценности средства.
В процессе осуществления первоначального обзора были рассмотрены методы, позволяющие решить задачу прогнозирования финансовых показателей. Также был осуществлен анализ взаимного влияния финансовых показателей. Так для курса доллара, который был взят за основу, самыми связанными показателями оказались китайский юань, европейский евро и корейская вона. Такой результат не был неожиданным, однако, целью анализа были выяснить тесноту связи, что и было достигнуто.
На основании проведенного анализа, были выбраны показатели евро и юаня для создания обучающей выборки для искусственной нейронной сети. Как показали результаты тестирования, такой подход имеет потенциал. Так как результаты, полученные по выборкам, скорректированным по курсу второй валюты, продемонстрировали более точный результат. Из чего можно заключить, что задачи работы были выполнены.
Из результатов можно предположить, что дальнейшее исследование взаимного влияния финансовых показателей имеет место быть, однако, не каждое влияние, оказываемое на прогнозируемый показатель можно обличить в количественный показатель, что и служит камнем преткновения в области прогнозирования финансовых показателей.
Подводя итог, можно с уверенностью сказать, что разработанный программный продукт имеет потенциал к развитию, так как пути для модернизации этого приложения существуют, и такая модернизация не затронет функциональной ценности средства.
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.