Название статьи:
Прогнозирование стоимости акций на фондовой бирже с использованием искусственных нейронных сетей
Авторы:
Ефремов А.М., Студент, кафедра финансов и финансовых институтов, Байкальский государственный университет, Иркутск, Россия, e-mail: slipknotdoos@gmail.com
В рубрике:
Управление экономика и финансы
Год: 2019 Том: 1 Номер журнала: 3
Страницы: 25-30
Аннотация:
В работе проведено исследование применимости инновационного инструмента искусственной нейронной сети прогнозировать спекулятивное направление движения цен акций на фондовой бирже на тиковом таймфрейме. С учётом открытых библиотек разработана искусственная нейронная сеть, анализирующая информационные факторы влияния на стоимость ценных бумаг. Для изучения использовалась нейронная сеть с архитектурой многослойного персептрона, в качестве обучения использовался алгоритм обратного распространения. В ходе работы проведено прототипирование машинного обучения на языке Python с учебным набором скомпилированных данных. Кроме того, в статье описаны перспективы дальнейшего использования инструмента.
Ключевые слова: Рынок ценных бумаг, информационные факторы влияния, фундаментальный анализ, искусственные нейронные сети, нейросети, спекулятивная торговля, инновационные инструменты прогнозирования, финансовые технологии, финтех, финансовое программирование.
Список цитируемой литературы: - Абдуллин А.Р. Гипотеза эффективности рынка в свете теории финансов / А.Р. Абдуллин, А.Р. Фаррахетдинова // Управление экономическими системами. - 2015. - №76. - C. 113.
- Дмитриенко В.Д. Нейронные сети Хемминга и Хебба, способные дообучаться / В.Д. Дмитриенко, А.Ю. Заковоротный, В.А. Бречко // Вестник Национального технического университета Харьковский политехнический институт. Серия: Информатика и моделирование. - 2013. - №. 19 (992). - С. 30-45.
- Потемкин В.Г. Нейронные сети. / В.Г. Потемкин, В.С. Медведев // MATLAB. - 2010. - №6. - М. - С. 37-38.
- Программирование глубоких нейронных сетей на Python [Электронный ресурс]. - Режим доступа : https://github.com/sozykin/dlpyt-hon_course (Дата обращения: 20.02.19).
- Сохранение и загрузка моделей машинного обучения в Python с помощью scikit-learn [Электронный ресурс]. - Режим доступа : https://machine-learningmastery.com/save-load-machine-learning-models-python-scikit-learn/ - (Дата обращения: 20.02.19).
- Хайкин С. Нейронные сети: полный курс, 2-е издание : пер. с англ. / С. Хайкин - М. : Издательский дом «Вильямс». - 2006. - С. 1104.
- Язык программирования питон и нейронные сети [Электронный ресурс]. - Режим доступа: https://pythono.ru/neuro/ - (Дата обращения: 20.02.19).
- Cybenko G. Approximations by superpositions of sigmoidal functions / G. Cybenko // Math. Control Signals Systems. - 1989. Vol. 2. P. 303 - 314.
- Machine Learning: An Applied Econometric Approach // Journal of Economic Perspectives. - 2015. - 2015. - P. 13 - 54.
- Machine Learning: an applied econometric approach // Journal of Economic Perspectives - 2017. - Vol. 31. № 2. - P. 87 - 106.
- Турченко А.А. Факторы, влияющие на выбор способа привлечения акционерного капитала. // Известия Иркутской государственной экономической академии (Байкальский государственный университет экономики и права). 2011. № 6. С. 16.
- Шуплецов А.Ф., Буньковский Д.В. Создание экспертной системы для оценки потенциала производственного предпринимательства в нефтепереработке и нефтехимии на основе теории нечетких множеств. // Известия Иркутской государственной экономической академии. 2011. № 3. С. 82-85.