Анализ прогностической способности различных методов прогнозирования курсов акций: выбор оптимального варианта и его автоматизация

Принятие решений в процессе оперирования на фондовом рынке является нелегкой задачей. В связи с этим, значительное число исследований направлено на изучение техник и инструментов, позволяющих снизить неопределенность будущего в сфере инвестиций. В частности, в настоящее время существует, используется и разрабатывается большое количество разнообразных моделей прогнозирования котировок акций. Тем не менее, они показывают различную эффективность при их практическом применении. В соответствии с этим, цель данной работы заключается в анализе прогностической способности современных методов прогнозирования курса акций, выборе оптимального и разработке рекомендаций для автоматизации процесса предсказания. На основе результатов изучения актуальных источников в соответствующей области, для исследования прогностической точности были выбраны статистическая модель SARIMA, нейронные сети MLP и LSTM, а также гибридные техники SARIMA/MLP SARIMA/LSTM. Анализ был проведен на основе данных котировок акций 30 компаний, оперирующих в автомобильной отрасли и сегменте информационных технологий. Данная работа содержит также выбор оптимального исторического периода исходных данных и эмпирический подбор гиперпараметров моделей для улучшения их работоспособности. В результате данного исследования, из рассмотренного набора в качестве оптимальной была выбрана гибридная модель SARIMA/LSTM, предсказание которой формируется из двух частей: стабильной и устойчивой линейной части статистической моделью, и добавления нелинейного компонента, отражающего высокую волатильность акций, предсказанного нейронной сетью, были даны рекомендации для автоматизации предсказания с помощью данного метода и принятия решения на его основе.