Анализ методов прогнозирования курсов акций на основе нейронных сетей и гибридных моделей

Предсказание цен акций является сложной задачей, так как котировки подвергаются влиянию множества факторов, как внутренних, так и внешних, от процессов внутри компании до политических событий и природных катаклизмов. Множество статей посвящено поиску новых методов прогнозирования и усовершенствованию уже использующихся (конкретные примеры приведены в обзоре литературы), однако в большинстве случаев либо их эффективность проверяется в сравнении с базовыми широко использующимися моделями, либо происходит выбор наилучшей из нескольких похожих конфигураций. Помимо точности прогнозирования, на практическую ценность методов влияет наличие инвестиционных сервисов, удобных для любого пользователя. Снижение порога входа в инвестирование способствует росту популярности частных инвестиций, оказывающих положительное влияние на мировое экономическое развитие и развитие регионов. Данное исследование посвящено сравнительному анализу принципиально разных методов прогнозирования, включающих в себя гибриды различных моделей и относительно распространенные нейронные сети, а также разработке предложений по автоматизации оптимального метода. Объектом исследования является прогнозирование курсов акций. Предметом исследования является оптимального метода прогнозирования курсов акций и разработка предложений по его автоматизации. Целью данной работы является проведение анализа методов прогнозирования курсов акций на основе нейронных сетей и гибридных моделей, выбор оптимального варианта и предложение способа его автоматизации.