Прогнозирование изменения цены акций с использованием новостного анализа на основе методов глубокого обучения

Прогнозирование фондового рынка - соблазнительный философский камень для дата сайентистов, которых привлекает задача, а не златолюбие. Ежедневные колебания рынка несут информацию о существовании паттернов, которые мы или наши модели могут изучить. Существует большое количество аналитических инструментов, позволяющих сделать предсказание цены. Сегодня, одной из наиболее популярных инструментов для определения краткосрочных паттернов являются финансовые боты и модели машинного обучения. Аналитики также заинтересованы в поиске долгосрочных зависимостей для нахождения обоснований различных экономических феноменов. На Данный момент методы глубокого обучения были использованы для решения этих проблем, которые дали результаты с более высокой точностью, чем методы машинного обучения. Нейронные сети - большая семья методов глубокого обучения и их использование в финансовой сфере значительно выросло в последние годы. Сложность предсказания фондового рынка состоит в том факте, что для создания высокоточных прогнозов вам необходима полная и надежная информация, также возможность корректно интерпретировать информацию и применить методы предсказания цены. Технические трейдеры базируют свой анализ на предположения, что паттерны рыночной цены повторят себя в будущем и, следовательно, они могут быть использованы для целей предсказания цены. Наиболее распространенной и наиболее изученной техникой являются предсказания основанные на временных сериях. Цель данной работы разработать модели глубокого обучения и предсказания ценовых индикаторов финансовых активов, выполняя компьютерные эксперименты и сравнительный анализ эффективности и оценка точности предсказания, полученная от разных нейронных моделей.