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!

    Елена Л. РЭУ им. Г. В. Плеханова 2009, Управления и коммерции, пре...
    4.8 (211 отзывов)
    Работа пишется на основе учебников и научных статей, диссертаций, данных официальной статистики. Все источники актуальные за последние 3-5 лет.Активно и уместно исполь... Читать все
    Работа пишется на основе учебников и научных статей, диссертаций, данных официальной статистики. Все источники актуальные за последние 3-5 лет.Активно и уместно использую в работе графический материал (графики рисунки, диаграммы) и таблицы.
    #Кандидатские #Магистерские
    362 Выполненных работы
    Дмитрий Л. КНЭУ 2015, Экономики и управления, выпускник
    4.8 (2878 отзывов)
    Занимаю 1 место в рейтинге исполнителей по категориям работ "Научные статьи" и "Эссе". Пишу дипломные работы и магистерские диссертации.
    Занимаю 1 место в рейтинге исполнителей по категориям работ "Научные статьи" и "Эссе". Пишу дипломные работы и магистерские диссертации.
    #Кандидатские #Магистерские
    5125 Выполненных работ
    Екатерина П. студент
    5 (18 отзывов)
    Работы пишу исключительно сама на основании действующих нормативных правовых актов, монографий, канд. и докт. диссертаций, авторефератов, научных статей. Дополнительно... Читать все
    Работы пишу исключительно сама на основании действующих нормативных правовых актов, монографий, канд. и докт. диссертаций, авторефератов, научных статей. Дополнительно занимаюсь английским языком, уровень владения - Upper-Intermediate.
    #Кандидатские #Магистерские
    39 Выполненных работ
    Мария М. УГНТУ 2017, ТФ, преподаватель
    5 (14 отзывов)
    Имею 3 высших образования в сфере Экологии и техносферной безопасности (бакалавриат, магистратура, аспирантура), работаю на кафедре экологии одного из опорных ВУЗов РФ... Читать все
    Имею 3 высших образования в сфере Экологии и техносферной безопасности (бакалавриат, магистратура, аспирантура), работаю на кафедре экологии одного из опорных ВУЗов РФ. Большой опыт в написании курсовых, дипломов, диссертаций.
    #Кандидатские #Магистерские
    27 Выполненных работ
    Олег Н. Томский политехнический университет 2000, Инженерно-эконо...
    4.7 (96 отзывов)
    Здравствуйте! Опыт написания работ более 12 лет. За это время были успешно защищены более 2 500 написанных мною магистерских диссертаций, дипломов, курсовых работ. Явл... Читать все
    Здравствуйте! Опыт написания работ более 12 лет. За это время были успешно защищены более 2 500 написанных мною магистерских диссертаций, дипломов, курсовых работ. Являюсь действующим преподавателем одного из ВУЗов.
    #Кандидатские #Магистерские
    177 Выполненных работ
    Елена С. Таганрогский институт управления и экономики Таганрогский...
    4.4 (93 отзыва)
    Высшее юридическое образование, красный диплом. Более 5 лет стажа работы в суде общей юрисдикции, большой стаж в написании студенческих работ. Специализируюсь на напис... Читать все
    Высшее юридическое образование, красный диплом. Более 5 лет стажа работы в суде общей юрисдикции, большой стаж в написании студенческих работ. Специализируюсь на написании курсовых и дипломных работ, а также диссертационных исследований.
    #Кандидатские #Магистерские
    158 Выполненных работ
    Татьяна Б.
    4.6 (92 отзыва)
    Добрый день, работаю в сфере написания студенческих работ более 7 лет. Всегда довожу своих студентов до защиты с хорошими и отличными баллами (дипломы, магистерские ди... Читать все
    Добрый день, работаю в сфере написания студенческих работ более 7 лет. Всегда довожу своих студентов до защиты с хорошими и отличными баллами (дипломы, магистерские диссертации, курсовые работы средний балл - 4,5). Всегда на связи!
    #Кандидатские #Магистерские
    138 Выполненных работ
    Ольга Б. кандидат наук, доцент
    4.8 (373 отзыва)
    Работаю на сайте четвертый год. Действующий преподаватель вуза. Основные направления: микробиология, биология и медицина. Написано несколько кандидатских, магистерских... Читать все
    Работаю на сайте четвертый год. Действующий преподаватель вуза. Основные направления: микробиология, биология и медицина. Написано несколько кандидатских, магистерских диссертаций, дипломных и курсовых работ. Слежу за новинками в медицине.
    #Кандидатские #Магистерские
    566 Выполненных работ
    Логик Ф. кандидат наук, доцент
    4.9 (826 отзывов)
    Я - кандидат философских наук, доцент кафедры философии СГЮА. Занимаюсь написанием различного рода работ (научные статьи, курсовые, дипломные работы, магистерские дисс... Читать все
    Я - кандидат философских наук, доцент кафедры философии СГЮА. Занимаюсь написанием различного рода работ (научные статьи, курсовые, дипломные работы, магистерские диссертации, рефераты, контрольные) уже много лет. Качество работ гарантирую.
    #Кандидатские #Магистерские
    1486 Выполненных работ

    Другие учебные работы по предмету

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