Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://ir.stu.cn.ua/123456789/22467
Повний запис метаданих
Поле DCЗначенняМова
dc.contributor.authorРибалко, В. А.
dc.date.accessioned2021-06-08T13:39:10Z
dc.date.available2021-06-08T13:39:10Z
dc.date.issued2021
dc.identifier.urihttp://ir.stu.cn.ua/123456789/22467
dc.descriptionРибалко, В. А. Веб-додаток для прогнозування фондового ринку на основі штучних нейронних мереж : магістерська робота : 121 Інженерія програмного забезпечення / В. А. Рибалко ; керівник роботи А. М. Акименко ; НУ «Чернігівська політехніка», кафедра інформаційних технологій програмного забезпечення. – Чернігів, 2021. – 76 с.en_US
dc.description.abstractОб’єктом розробки став веб-додаток для прогнозування фінансових часових рядів на основі штучних нейронних мереж. У роботі описано етапи та методи розробки веб-додатку, який передбачає ціни на фінансові інструменти та забезпечує можливість їх перегляду за допомогою веб-браузера. Форма прогнозу представлена у вигляді графіку ймовірностей, який складається з двох рядків: зелений - ймовірність подальшого руху цін вище поточних значень, червоний рядок - ймовірність подальшого руху цін нижче. Переглядаючи прогноз, можна змінити час на який буде прогноз. Нейронні мережі роблять прогнози щодо періоду дії однієї японської свічки на різних горизонтах, і, змінюючи її, ви можете регулювати діапазон прогнозу. Отримуючи нові дані, система постійно перевіряє попередні прогнози щодо цього значення, тим самим визначаючи точність прогнозу нейронної мережі. Після оцінки точності коригуються пороги початкових значень нейронної мережі для кожного класу прогнозу, а саме рух вгору і вниз.en_US
dc.language.isouken_US
dc.publisherЧернігівen_US
dc.subjectфондовий ринокen_US
dc.subjectчасові рядиen_US
dc.subjectпрогнозуванняen_US
dc.subjectнейронна мережаen_US
dc.subjectмашинне навчанняen_US
dc.subjectвеб-додатокen_US
dc.subjectPythonen_US
dc.subjectlstmen_US
dc.titleВеб-додаток для прогнозування фондового ринку на основі штучних нейронних мережen_US
dc.typeThesisen_US
dc.description.abstractalt1The object of development was a web application for forecasting financial time series based on artificial neural networks. The article describes the stages and methods of developing a web application that provides prices for financial instruments and provides the ability to view them using a web browser. The forecast form is presented in the form of a probability graph, which consists of two lines: green - the probability of further price movements above current values, red line - the probability of further price movements below-che. By viewing the forecast, you can change the time for which the forecast will be. Neural networks make predictions about the duration of one Japanese candle on different horizons, and by changing it, you can adjust the forecast range. Upon receiving new data, the system constantly checks previous predictions for this value, thereby determining the accuracy of the prediction of the neural network. After estimating the accuracy, the thresholds of the initial values of the neural network for each forecast class are adjusted, namely the up and down motion.en_US
Розташовується у зібраннях:Дипломні роботи освітнього ступеня магістр

Файли цього матеріалу:
Файл Опис РозмірФормат 
Рибалко-Магістр-2021.pdfМагістерська робота6,46 MBAdobe PDFПереглянути/Відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.