Классификация финансовых временных рядов с использованием нейронных сетей

Курникова, Александра Олеговна Отделение экспериментальной физики (ОЭФ)
Бесплатно
В избранное
Работа доступна по лицензии Creative Commons:«Attribution» 4.0

Исследование возможности классификации цен закрытия акций компании разных отраслей Российской экономики с использованием нейронных сетей.

Введение………………………………………………………………………………………………. 12
1. Теоретическая часть ………………………………………………………………………. 14
1.1. Понятие временного ряда и его классификация …………………………….. 14
1.2. Понятие нейронной сети и ее особенности ……………………………………. 15
1.3. Обучение многослойного перцептрона ………………………………………….. 17
2. Практическая часть……………………………………………………………………….. 22
2.1. Классификация для акции IRGZ ……………………………………………………. 23
2.2. Классификация для акции GAZP …………………………………………………… 31
2.3. Классификация для акции VTBR …………………………………………………… 38
2.4. Классификация для акции TCSG …………………………………………………… 45
2.5. Классификация для акции YNDX ………………………………………………….. 52
2.6. Классификация для акции DSKY ………………………………………………….. 59
2.7. Классификация для акции FIXP …………………………………………………….. 66
2.8. Классификация для акции OZON ………………………………………………….. 75
Результаты проведенного исследования ………………………………………………… 82
3. Социальная отвественность …………………………………………………………… 86
3.1. Правовые и организационные вопросы обеспечения безопасности … 86
3.1.1. Специальные правовые нормы трудового законодательства …….. 86
3.1.2. Организационные мероприятия при компоновке рабочей зоны … 86
3.2. Производственная безопасность ……………………………………………………. 88
3.3. Анализ опасных и вредных производственных факторов ………………. 89
3.3.1. Психофизические факторы ……………………………………………………… 89
3.3.2. Отклонение показателей микроклимата …………………………………… 90
3.3.3. Отсутствие и недостаток необходимого естественного /
искусственного освещения рабочей зоны ……………………………………………. 91
3.3.4. Повышенная запыленность и загазованность воздуха рабочей
зоны 94
3.3.5. Повышенный уровень электромагнитных излучений и
ионизирующих излучений в рабочей зоне …………………………………………… 95
3.4. Экологическая безопасность …………………………………………………………. 97
3.5. Безопасность в чрезвычайных ситуациях. Пожарная безопасность … 98
Выводы и рекомендации по разделу «Социальная ответственность» ……… 99
4. Финансовый менеджмент, ресурсоэффективность и
ресурсосбережение …………………………………………………………………………….. 100
4.1. Предпроектный анализ ………………………………………………………………. 100
4.1.1. Потенциальные потребители результатов исследования…………… 100
4.1.2. Анализ конкурентных технических решений ………………………… 101
4.1.3. SWOT-анализ ……………………………………………………………………… 102
4.1.4. Оценка готовности проекта к коммерциализации ………………….. 103
4.1.5. Методы коммерциализации результатов научно-технического
исследования …………………………………………………………………………………. 105
4.2. Инициация проекта …………………………………………………………………… 105
4.2.1. Организационная структура проекта …………………………………….. 106
4.2.2. Ограничения и допущения проекта ………………………………………. 106
4.3. Планирование научно-исследовательских работ …………………………. 107
4.3.1. Определение трудоемкости выполнения работ и разработка
графика проведения научного исследования ……………………………………. 107
4.3.2. Бюджет научно-технического исследования …………………………. 111
4.4. Реестр рисков проекта ………………………………………………………………. 116
Выводы по главе «Финансовый менеджмент, ресурсоэффективность и
ресурсосбережение»………………………………………………………………………….. 116
Заключение ……………………………………………………………………………………….. 119
Список публикаций студента …………………………………………………………….. 120
Список используемой литературы …………………………………………………….. 121
Приложение 1. …………………………………………………………………………………….. 123
Приложение 2. …………………………………………………………………………………….. 127
Приложение 3. …………………………………………………………………………………….. 131
Приложение 4. …………………………………………………………………………………….. 135
Приложение 5. …………………………………………………………………………………….. 139
Приложение 6. …………………………………………………………………………………….. 143
Приложение 7. …………………………………………………………………………………….. 147
Приложение 8. …………………………………………………………………………………….. 151
Приложение 9. …………………………………………………………………………………….. 155
Приложение 10. …………………………………………………………………………………… 159
Приложение 11. …………………………………………………………………………………… 163
Приложение 12. …………………………………………………………………………………… 167
Приложение 13. …………………………………………………………………………………… 171
Приложение 14. …………………………………………………………………………………… 175
Приложение 15. …………………………………………………………………………………… 179
Приложение 16. …………………………………………………………………………………… 183
Приложение 17. …………………………………………………………………………………… 187
Приложение 18 ……………………………………………………………………………………. 251

В условиях современной экономической ситуации и резкого
наращивания темпов развития науки и техники для получения прибыли все
больше становятся актуальными вопросы планирования и принятия решений
на основе классификации и прогнозирования. [6]
До недавних пор основными методами классификации временных рядов
оставались статистические методы. Однако связанные с этими методами
математические модели не всегда линейны, и поэтому они не могут
прогнозировать сложные явления и процессы, в которых модель данных
может быть нелинейной. В этих случаях и приходит на помощь аппарат
нейронных сетей.
Актуальность диссертационного исследования заключается в
использовании нейронных сетей для решения трудноформализуемой задачи
классификации финансовых временных рядов, а также важностью получения
качественных прогнозов основных финансовых индикаторов в условиях
рыночной экономики.
В данной работе для решения задачи классификации финансовых
временных рядов рассмотрены нейросетевые методы, которые отличаются от
других моделей своей способностью устанавливать нелинейные связи между
будущими и фактическими значениями и хорошей масштабируемостью.
Цель работы – исследование возможности классификации цен закрытия
акций компании разных отраслей Российской экономики с использованием
нейронных сетей.
Объект исследования: нейросетевые модели, которые используются при
классификации финансовых временных рядов.
Для достижения поставленной цели необходимо решить следующие
задачи:
1. Проанализовать существующие нейросетевые методы, используемые
для классификации финансовых временных рядов;
2. Выбрать оптимальные нейронные сети для различных компаний;
3. Построить классификацию цен закрытия акций компаний
двухфакторной классификации (Рост/Спад) и трехфакторной
классификации (Рост/Спад/Нейтрально), используя нейронные сети
различной структуры;
4. На основании построенных классификаций сделать вывод о
возможности применения нейронных сетей рассматриваемой
архитектуры для классификации финансовых временных рядов.
Период исследования: цены закрытия компаний ОАО «ИркутскЭнерго»,
ПАО «Газпром», Банк ВТБ, TCS Group Holding PLC, Yandex, Группа «Детский
мир», Fix Price Group, Ozon Holdings PLC с периодичностью 15 минут за март
– апрель 2021 года.
Источником данных является информационный портал Finam.ru. Для
проведения расчетов и построения нейросетевых моделей был использован
программный пакет STATISTICA (ST), программный модуль – ST Neural
Networks.
1. Теоретическая часть
1.1. Понятие временного ряда и его классификация
Если данные характеризуют какой-то объект за ряд последовательных
значений, характеризующих изменение показателя во времени, то эти данные
временной ряд. Временной ряд – это совокупность значений какого-либо
показателя за несколько последовательных моментов (периодов) времени. [1]
Особенности уровней из которых состоят временные ряды формируются под
воздействием большого числа факторов. Эти факторы разбиваются на группы:
1) факторы, формирующие тенденцию ряда;
2) факторы, формирующие циклические колебания ряда;
3) случайные факторы.
Зависимость уровней ряда от времени может быть разная при разных
сочетаниях этих факторов:
1) Если некоторые данные рассматривать не в совокупности с другими,
они могут показывать другую тенденцию и оказывать разное воздействие на
исследуемый показатель.
2) Циклические колебания могут быть характерны для изучаемого
показателя. Например, для экономических временных рядов такие колебания
носят сезонный характер и их можно корректно распознать только в большом
количестве данных за длительное время.
3) У временного ряда может не быть тенденции или циклов, а
следующий уровень бать равным сумме среднего уровня ряда и случайной
составляющей.
Это теория, а в реальности данные редко можно полностью причислить
к одной из вышеперечисленных моделей. Чаще, они содержат в себе сразу все
три компоненты.
Главной задачей исследования временного ряда является придание
числового выражения компонентам. Это будет необходимо для
классификации и прогнозирования будущих значений временного ряда и для
других исследований над ним. [3]
Целью классификации временного ряда является по исходным данным
предсказать будущие значения характеристик данного объекта. Существуют
несколько методов классификации временных рядов. Все их можно поделить
на две большие группы: локальные и глобальные по области определения
параметров аппроксимирующей функции. Вот некоторые модели для
классификации временного ряда [2]:
 регрессионные модели;
 авторегрессионные модели;
 модели экспоненциального сглаживания;
 нейросетевые модели;
 модели на базе классификационно-регрессионных деревьев (CART);
 дискретное преобразование Фурье.
В данной работе используются модели классификации с помощью
нейронных сетей.
1.2. Понятие нейронной сети и ее особенности
Причина начала исследования искусственной нейронной сети связаны с
тем, что работа человеческого мозга кардинально отличается от работы
цифрового компьютера. Мозг – это очень сложный, нелинейный,
параллельный компьютер. Он организовывает свои структурные компоненты,
называемые нейронами, так, что они выполняют конкретные задачи (такие как
распознавание образов, восприятие, контроль движения) во много раз
быстрее, чем самые мощные компьютеры. [5] Мозг имеет структуру,
позволяющую строить собственные правила на основе опыта. Опыт
накапливается с течением времени.
Пластичность нервной системы позволяет адаптировать ее к
окружающей среде. Аналогично в нейронных сетях производится настройка
искусственных нейронов и формируется структура нейронной сети. Таким
образом, нейронная сеть представляет собой машину, которая моделирует
способ обработки мозгом конкретной задачи. Обычно эта сеть реализуется с
помощью электронных компонентов или моделируется программой.
Для достижения высокой производительности, нейронные сети
используют массив взаимосвязанных элементов, называющихся нейронами.
Таким образом, возможно следующее определение нейронной сети,
выступающей в роли адаптивной машины: нейронная сеть – это массивный
распределенный параллельный процессор, состоящий из элементарных
обрабатывающих блоков со способностью хранения данных и обработки их
для последующего использования.
Искусственные нейронные сети используются для аппроксимации
функций, классификации и распознавания образов, прогнозирования,
идентификации, оценивания и ассоциативного управления. [4]
Основными элементами нейронной сети являются нейроны.

Заказать новую

Лучшие эксперты сервиса ждут твоего задания

от 5 000 ₽

Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям

    Нажимая на кнопку, я соглашаюсь на обработку персональных данных и с правилами пользования Платформой

    Хочешь уникальную работу?

    Больше 3 000 экспертов уже готовы начать работу над твоим проектом!

    Александра С.
    5 (91 отзыв)
    Красный диплом референта-аналитика информационных ресурсов, 8 лет преподавания. Опыт написания работ вплоть до докторских диссертаций. Отдельно специализируюсь на повы... Читать все
    Красный диплом референта-аналитика информационных ресурсов, 8 лет преподавания. Опыт написания работ вплоть до докторских диссертаций. Отдельно специализируюсь на повышении уникальности текста и оформлении библиографических ссылок по ГОСТу.
    #Кандидатские #Магистерские
    132 Выполненных работы
    Анна Н. Государственный университет управления 2021, Экономика и ...
    0 (13 отзывов)
    Закончила ГУУ с отличием "Бухгалтерский учет, анализ и аудит". Выполнить разные работы: от рефератов до диссертаций. Также пишу доклады, делаю презентации, повышаю уни... Читать все
    Закончила ГУУ с отличием "Бухгалтерский учет, анализ и аудит". Выполнить разные работы: от рефератов до диссертаций. Также пишу доклады, делаю презентации, повышаю уникальности с нуля. Все работы оформляю в соответствии с ГОСТ.
    #Кандидатские #Магистерские
    0 Выполненных работ
    Анна В. Инжэкон, студент, кандидат наук
    5 (21 отзыв)
    Выполняю работы по экономическим дисциплинам. Маркетинг, менеджмент, управление персоналом. управление проектами. Есть опыт написания магистерских и кандидатских диссе... Читать все
    Выполняю работы по экономическим дисциплинам. Маркетинг, менеджмент, управление персоналом. управление проектами. Есть опыт написания магистерских и кандидатских диссертаций. Работала в маркетинге. Практикующий бизнес-консультант.
    #Кандидатские #Магистерские
    31 Выполненная работа
    Анастасия Л. аспирант
    5 (8 отзывов)
    Работаю в сфере метрологического обеспечения. Защищаю кандидатскую диссертацию. Основной профиль: Метрология, стандартизация и сертификация. Оптико-электронное прибост... Читать все
    Работаю в сфере метрологического обеспечения. Защищаю кандидатскую диссертацию. Основной профиль: Метрология, стандартизация и сертификация. Оптико-электронное прибостроение, управление качеством
    #Кандидатские #Магистерские
    10 Выполненных работ
    Петр П. кандидат наук
    4.2 (25 отзывов)
    Выполняю различные работы на заказ с 2014 года. В основном, курсовые проекты, дипломные и выпускные квалификационные работы бакалавриата, специалитета. Имею опыт напис... Читать все
    Выполняю различные работы на заказ с 2014 года. В основном, курсовые проекты, дипломные и выпускные квалификационные работы бакалавриата, специалитета. Имею опыт написания магистерских диссертаций. Направление - связь, телекоммуникации, информационная безопасность, информационные технологии, экономика. Пишу научные статьи уровня ВАК и РИНЦ. Работаю техническим директором интернет-провайдера, имею опыт работы ведущим сотрудником отдела информационной безопасности филиала одного из крупнейших банков. Образование - высшее профессиональное (в 2006 году окончил военную Академию связи в г. Санкт-Петербурге), послевузовское профессиональное (в 2018 году окончил аспирантуру Уральского федерального университета). Защитил диссертацию на соискание степени "кандидат технических наук" в 2020 году. В качестве хобби преподаю. Дисциплины - сети ЭВМ и телекоммуникации, информационная безопасность объектов критической информационной инфраструктуры.
    #Кандидатские #Магистерские
    33 Выполненных работы
    Антон П. преподаватель, доцент
    4.8 (1033 отзыва)
    Занимаюсь написанием студенческих работ (дипломные работы, маг. диссертации). Участник международных конференций (экономика/менеджмент/юриспруденция). Постоянно публик... Читать все
    Занимаюсь написанием студенческих работ (дипломные работы, маг. диссертации). Участник международных конференций (экономика/менеджмент/юриспруденция). Постоянно публикуюсь, имею высокий индекс цитирования. Спикер.
    #Кандидатские #Магистерские
    1386 Выполненных работ
    user1250010 Омский государственный университет, 2010, преподаватель,...
    4 (15 отзывов)
    Пишу качественные выпускные квалификационные работы и магистерские диссертации. Опыт написания работ - более восьми лет. Всегда на связи.
    Пишу качественные выпускные квалификационные работы и магистерские диссертации. Опыт написания работ - более восьми лет. Всегда на связи.
    #Кандидатские #Магистерские
    21 Выполненная работа
    Анастасия Б.
    5 (145 отзывов)
    Опыт в написании студенческих работ (дипломные работы, магистерские диссертации, повышение уникальности текста, курсовые работы, научные статьи и т.д.) по экономическо... Читать все
    Опыт в написании студенческих работ (дипломные работы, магистерские диссертации, повышение уникальности текста, курсовые работы, научные статьи и т.д.) по экономическому и гуманитарному направлениях свыше 8 лет на различных площадках.
    #Кандидатские #Магистерские
    224 Выполненных работы
    Шагали Е. УрГЭУ 2007, Экономика, преподаватель
    4.4 (59 отзывов)
    Серьезно отношусь к тренировке собственного интеллекта, поэтому постоянно учусь сама и с удовольствием пишу для других. За 15 лет работы выполнила более 600 дипломов и... Читать все
    Серьезно отношусь к тренировке собственного интеллекта, поэтому постоянно учусь сама и с удовольствием пишу для других. За 15 лет работы выполнила более 600 дипломов и диссертаций, Есть любимые темы - они дешевле обойдутся, ибо в радость)
    #Кандидатские #Магистерские
    76 Выполненных работ

    Другие учебные работы по предмету

    Кооперативные игры на гиперграфах
    📅 2019год
    🏢 Санкт-Петербургский государственный университет