ТЕРЕҢ ОҚЫТУ ӘДІСТЕРІН ПАЙДАЛАНУ АРҚЫЛЫ ҚАРЖЫ НАРЫҒЫНДАҒЫ БАҒАЛАРДЫ БОЛЖАУ

Аннотация

Эта статья посвящена развитию моделей прогнозирования цен на фондовом рынке с использованием искусственных нейронных сетей и методов машинного обучения. Основная цель исследования - повысить точность прогнозов, анализируя исторические данные о ценах на акции, макроэкономические индикаторы, новостные события и технические показатели. В работе подробно рассматриваются принципы глубокого обучения, включая сверточные нейронные сети (CNN), рекуррентные нейронные сети (RNN), а также их модификации LSTM и GRU. Исследование охватывает аспекты обработки финансовых временных рядов, такие как предварительная обработка данных, создание обучающих и тестовых наборов, а также выбор метрик для оценки моделей. Результаты показывают перспективность предложенных моделей для прогнозирования цен на фондовом рынке, подчеркивая важность комплексного подхода для достижения точных и надежных прогнозов в условиях динамичных финансовых рынков. В статье подчеркивается значимость интеграции различных факторов в модели, включая исторические данные, макроэкономические индикаторы, новостные события и технические показатели, для выявления трендов и аномалий. Также предлагается выбор подходящих архитектур глубокого обучения, таких как LSTM и GRU, которые доказали свою эффективность в адаптации к сложным зависимостям данных. Экспериментальные результаты подчеркивают преимущества этих архитектур в прогнозировании цен на фондовом рынке, предоставляя ценную информацию для специалистов в области финансового анализа и управления активами.