• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

ФИО студента
Название работы
Руководитель
Факультет
Программа
Оценка
Год защиты
Жемчужников Виктор Андреевич
Прогнозирование индекса ММВБ: предсказательная сила методов машинного обучения и эконометрических моделей
Экономика
(Бакалавриат)
10
2017
Возможность прогнозирования динамики финансовых инструментов представляет собой актуальную задачу для участников финансового рынка. В условиях большого потока разнородной информации возникает потребность в использовании эффективных методов их обработки для выработки оперативных управленческих решений. В частности, все большее распространение в финансовом моделировании получают методы машинного обучения, однако при этом уже существует ряд эконометрических моделей, использующийся для такой задачи. Цель работы заключается в сравнении моделей ARIMA, ARIMA-GARCH и ARIMA-TGARCH с нейронными сетями и методом опорных векторов для определения наибольшей прогнозной силы в задаче предсказания индекса ММВБ. Информационную базу экономико-математического моделирования составили статистические и аналитические данные о динамике индекса ММВБ, фундаментальных и технических индикаторов фондового рынка за 2003 – 2017 гг. Результаты компьютерных экспериментов выполнены на обучающей и тестирующей выборке c использованием соответствующих библиотек машинного обучения на языке Python и программного пакета EViews. Оценка предсказательной силы методов осуществлялась на тестирующей выборке с использованием традиционных показателей математической статистики (абсолютной и относительной ошибки прогноза) и коэффициента детерминации, а также бенчмарков. На тестирующей выборке отмечена более высокая предсказательная точность эконометрических моделей. Также, ARIMA-GARCH и метод опорных векторов протестированы в предложенной простейшей торговой стратегии. ARIMA-GARCH смогла достичь прибыли большей, чем стратегия «Купи и держи», тогда как метод опорных векторов продемонстрировал отрицательную доходность. Возможные направления дальнейших исследований включают в себя создание более комплексных моделей, учитывающих настроения инвесторов, а также разработка продвинутых гибридных моделей.
Текст работы (работа добавлена 18 мая 2017г.)

Выпускные квалификационные работы (ВКР) в НИУ ВШЭ выполняют все студенты в соответствии с университетским Положением и Правилами, определенными каждой образовательной программой.

Аннотации всех ВКР в обязательном порядке публикуются в свободном доступе на корпоративном портале НИУ ВШЭ.

Полный текст ВКР размещается в свободном доступе на портале НИУ ВШЭ только при наличии согласия студента – автора (правообладателя) работы либо, в случае выполнения работы коллективом студентов, при наличии согласия всех соавторов (правообладателей) работы. ВКР после размещения на портале НИУ ВШЭ приобретает статус электронной публикации.

ВКР являются объектами авторских прав, на их использование распространяются ограничения, предусмотренные законодательством Российской Федерации об интеллектуальной собственности.

В случае использования ВКР, в том числе путем цитирования, указание имени автора и источника заимствования обязательно.

Расширенный поиск ВКР