Использование методов машинного обучения для анализа и прогнозирования финансовых временных рядов

В данной работе произведено исследование методов машинного обучения для прогнозирования и анализа финансовых временных рядов. Работа содержит три главы. В первой части описываются подходы анализа и прогнозирования фондового рынка и основные положения теории временных рядов. Во второй главе описываются методы машинного обучения для анализа и прогнозирования временных рядов. В практической части дипломной работы с использованием языка программирования Python реализуется модель, способная делать прогноз. В ходе данной работы были изучены теоретические и практические аспекты методов машинного обучения для анализа и прогнозирования временных рядов. Инструментом послужило программное обеспечение Anaconda и язык программирования Python. В работе рассмотрены и описаны все этапы построения различных моделей: выбор данных, их предобработка, построение моделей, оценка их качества с помощью метрик. Эмпирическими методами проведено сравнение эффективности различных методов машинного обучения. Практическим результатом являются модели ARIMA и LSTM, способные делать прогноз с высокой точностью. Результаты данной работы можно назвать положительными, поскольку практическая часть показала хорошую эффективность в прогнозировании финансовых временных рядов, а значит методы машинное обучения можно использовать для формирования стратегий на фондовом рынке.