Сравнительный анализ алгоритмов машинного обучения в задачах исследования фондового рынка

Шульга Валентин Александрович
Бесплатно
В избранное
Работа доступна по лицензии Creative Commons:«Attribution» 4.0

Объект исследования – Проведение анализа различных методов машинного обучения, архитектур нейросетей, библиотек и инструментов, с целью их дальнейшего применения для рассматриваемой задачи. Поиск, предобработка, оптимизация и нормализация данных для обучения и тестирования и программная реализация модели.
Работа состоит из введения, обзора литературы, постановки задачи, четырёх глав, вывода, заключения и списка использованной литературы.
В ведении раскрывается актуальность выбранной темы. В обзоре литературы мною рассматриваются книги, интернет-статьи и публикации относящиеся к данной задаче. Далее ставится задача проводимого исследования.
В первой и второй главе проводится анализ различных алгоритмов машинного обучения, обзор библиотек и фреймворков используемых в работе.
В третьей и четвертой главе проводится построение и настройка моделей и визуализация результатов в виде графиков.
В выводе перечислены и охарактеризованы полученные результаты исследования, и предложены способы улучшения результатов в дальнейшем.
В заключении кратко проведено описание выполненных передо мною задач и подводятся итоги данной работы.

Используемые сокращения и определения 3
Введение 4
Постановка задачи 7
Обзор литературы 8

ГЛАВА 1. Анализ методов глубинного обучения, библиотек и
инструментов 10
1.1. Рекуррентная нейронная сеть (RNN) – LSTM………………………………………11
1.2. MLP…………………………………………………………………………………………………..13
ГЛАВА 2. Алгоритмы машинного обучения 16
2.1. Регуляризация………………..………………………………………………………….16
2.2. Линейная регрессия…………………………………………………………………………..19
2.3. Случайный лес…………………………………………………………………………..22
2.4. K-соседи……………………………………………………………………………………24
2.5. Функции потерь…………………………………………………………………………..25
2.6. Библиотеки и инструменты………………………………………………………………26

ГЛАВА 3. Подготовка данных и построение предсказательной модели.
Обучение 28
3.1. Набор данных. Методика прогноза. OHLC….…………………………………28
3.2. Подготовка данных………………………………………………………………………….30
3.3. Нормализация данных..…………………………………………………..33
3.4. Настройка и построение моделей……………………………………………………..34
ГЛАВА 4. Визуализация и результаты 43
4.1. Реализация……………………………………………………………………………………..43

Выводы 53
Заключение 54
Список литературы 55
Используемые сокращения и определения

Приведём основные понятия и термины, используемые в данной работе:

RNN – рекуррентная нейронная сеть, это вид нейронных сетей, где связи
между элементами образуют направленную последовательность. Благодаря
этому появляется возможность обрабатывать серии событий во времени или
последовательные пространственные цепочки.

LSTM – Долгая краткосрочная память. Разновидность архитектуры
рекуррентных нейронных сетей.

Нейрон — это вычислительная единица, которая получает
информацию, производит над ней простые вычисления и передает ее дальше.

Синапс – связь между несколькими нейронами.

Цена закрытия (closing price) –цена последней сделки,
зарегистрированная при закрытии срочной биржи по окончании рабочего
дня.

Объём (volume) – технический индикатор, отражающий реальный
объём (оборот) торгов по количеству купленных, проданных к примеру, акций
за выбранный промежуток времени.

Эпоха – один проход по всему набору данных, используемый для
разделения обучения на отдельные фазы, важно для ведения логов и
периодической оценки.

МО- Машинное обучение

НС – Нейронная сеть

LR – Linear Regression

Прогнозирование фондового рынка – это попытка определить будущую
стоимость акций компании или другого финансового инструмента, торгуемого
на бирже. Успешное прогнозирование будущей цены акций может принести
хорошую прибыль.

Гипотеза об эффективном рынке говорит, что цены на акции отражают
всю имеющуюся в настоящее время информацию, и любые изменения цен,
которые не основаны на недавно выявленной информации, по своей сути
непредсказуемы. Другие не согласны, и те, у кого есть эта точка зрения,
обладают бесчисленными методами и технологиями, которые
предположительно позволяют им получать информацию о будущих ценах.

Из полученных результатов следует, что точнее всего оказались модели
LinearRegression и RandomForestRegressor. Причём модели Линейной
регрессии именно без применения различных регуляризаций даже
после тщательной нормализации данных. Возможно, такой результат
был обусловлен спецификой исследуемых данных.
Выполненная работа показывает отсутствие паттернов в
техническом анализе данных данного рода задач. Возможно такие
паттерны имели место, если производилась бы классификация и к тому
же брались, к примеру, минутные цены внутри одного дня и для них
осуществлялись бы предсказания.
В результате исследования также можно отметить, что если в
одном случае имеется картина прогноза за 10 дней и поведение цены
произошло одним образом на 11-й день, то в следующий раз при
повторении точно такой же ситуации она может повести себя
совершенно случайным образом.
Поэтому, и нейронные сети, и обычные алгоритмы либо сильно
ошибаются, либо наконец понимают, что самой выигрышной
стратегией будет являться предсказание где цена останется на уровне
предыдущего дня. То есть с равной вероятностью подъёма вниз или
вверх. Тогда ошибка начнёт уменьшаться, и предсказания начнёт
строиться по этому принципу.

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!

    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
    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
    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
    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
    Мария А. кандидат наук
    4.7 (18 отзывов)
    Мне нравится изучать все новое, постоянно развиваюсь. Могу написать и диссертацию и кандидатскую. Есть опыт в различных сфера деятельности (туризм, экономика, бухучет... Читать все
    Мне нравится изучать все новое, постоянно развиваюсь. Могу написать и диссертацию и кандидатскую. Есть опыт в различных сфера деятельности (туризм, экономика, бухучет, реклама, журналистика, педагогика, право)
    #Кандидатские #Магистерские
    39 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
    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
    Кормчий В.
    4.3 (248 отзывов)
    Специализация: диссертации; дипломные и курсовые работы; научные статьи.
    Специализация: диссертации; дипломные и курсовые работы; научные статьи.
    #Кандидатские #Магистерские
    335 Выполненных работ
    Татьяна М. кандидат наук
    5 (285 отзывов)
    Специализируюсь на правовых дипломных работах, магистерских и кандидатских диссертациях
    Специализируюсь на правовых дипломных работах, магистерских и кандидатских диссертациях
    #Кандидатские #Магистерские
    495 Выполненных работ

    Другие учебные работы по предмету

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