Анализ влияния новостей на котировки акций фондового рынка

В данной выпускной квалификационной работе был произведен анализ влияния новостей на котировки акций фондового рынка. Для решения поставленной цели была выбрана российская компания Яндекс, её акции, находящиеся в обороте на Московской Бирже, новости, относящиеся к данной компании. Для поиска зависимостей между новостями и изменением курса котировок акций данной компании было принято решение использовать технологии машинного обучения. В ходе выполнения работы были поставлены и достигнуты следующие задачи. Были собраны новости, содержащие в себе сведения о финансовых отчетах компании, её пресс-релизах, продуктах и сервисах, проводимых сделках, а также некоторые другие сведения. Для сбора новостей был разработан «модуль» для автоматического получения данных с сайтов, а также для их «постобработки», то есть для приведения в вид, требующийся для алгоритмов машинного обучения. Кроме новостей также была собрана и информация о котировках акций компании. Для получения данных котировок также был разработан специальный модуль. Далее все собранные данные сохраняются в базу данных СУБД PostgreSQL на удаленном сервере. После этого, на основе полученных новостей и котировок, были обучены четыре модели машинного обучения, использующие различные алгоритмы. В ходе тестирования полученных моделей, были использованы различные метрики и была выбрана наиболее точная модель. В итоге, моделью машинного обучения было найдено влияние новостей на котировки акций компании Яндекс. Однако, данное влияние оказалось небольшим. Тем не менее, данная работа раскрывает основной принцип, который можно применить при выявлении влияния новостей на курс акций фондовой биржи с помощью моделей машинного обучения. Помимо этого, данная работа может быть использована в дальнейшем для более детального изучения поставленного вопроса с использованием других принципов анализа новостей, включающих, например, использование финансовых показателей или анализ тональности текста, а также с использованием новых данных.