Прогнозування динаміки фінансових показників на базі генеративних моделей
| dc.contributor.author | Ракша, Орина Андріївна | |
| dc.date.accessioned | 2026-01-04T17:02:12Z | |
| dc.date.available | 2026-01-04T17:02:12Z | |
| dc.date.issued | 2025 | |
| dc.description | Ракша О. А. Прогнозування динаміки фінансових показників на базі генеративних моделей : кваліфікаційна робота магістра спеціальності 051 «Економіка» / наук. керівник Д. В. Очеретін. Запоріжжя : ЗНУ, 2025. 107 с. | uk |
| dc.description.abstract | UA : У дослідженні розглядається застосування генеративної моделі TimeGPT для прогнозування динаміки фінансових показників. Проведено аналіз динаміки вартості акцій семи освітніх компаній на фондовому ринку, які займають значну частку на ринку освітніх послуг, зокрема Coursera, Duolingo, Zoom, Clarivate тощо.Аналіз існуючих методів та моделей прогнозування динаміки фінансових інструментів на фондовому ринку дозволив виявити особливості прогнозування вартості акцій освітніх компаній. В роботі побудувано прогноз вартості акцій освітніх компаній на фондовому ринку на основі застосування TimeGPT для великих та коротких часових рядів, виявлено високу якість прогнозних моделей та точність прогнозу генеративної моделі. Обґрунтувано вибір генеративної моделі TimeGPT для прогнозування динаміки вартості акцій освітніх компаній на фондовому ринку. | uk |
| dc.description.abstract | EN : The study considers the application of the TimeGPT generative model for forecasting the dynamics of financial indicators. An analysis of the dynamics of the stock prices of seven educational companies on the stock market that occupy a significant share of the educational services market, in particular Coursera, Duolingo, Zoom, Clarivate, etc., was conducted. Analysis of existing methods and models for forecasting the dynamics of financial instruments on the stock market revealed the peculiarities of forecasting the stock prices of educational companies. For the process of modeling stock prices, forecast models included in the R modeltime (classical ARIMA, ARIMA Boosted, Prophet, Random Forest) and nixtlar (TimeGPT model) libraries were applied to time series. The research builds a forecast of the stock prices of educational companies on the stock market based on the application of TimeGPT for large and short time series, reveals the high quality of the forecast models and the accuracy of the generative model forecast. The choice of the TimeGPT generative model for forecasting the dynamics of the stock prices of educational companies on the stock market is justified. | uk |
| dc.identifier.uri | https://dspace.znu.edu.ua/items/6a3e0aa6-64bf-445b-a80f-fdcd7efa82d7 | |
| dc.language.iso | uk | uk |
| dc.subject | фондовий ринок | uk |
| dc.subject | генеративна модель | uk |
| dc.subject | прогнозування | uk |
| dc.subject | TimeGPT | uk |
| dc.subject | EdTech | uk |
| dc.subject | stock market | uk |
| dc.subject | generative model | uk |
| dc.subject | forecasting | uk |
| dc.title | Прогнозування динаміки фінансових показників на базі генеративних моделей | uk |
| dc.type | Магістерська робота | uk |
Files
Original bundle
1 - 1 of 1
Loading...
- Name:
- 08 Ракша_О_А_кваліф_робота_магістра_ЕК_2025.pdf
- Size:
- 5.59 MB
- Format:
- Adobe Portable Document Format
- Description:
- Магістерська робота
License bundle
1 - 1 of 1
Loading...
- Name:
- license.txt
- Size:
- 3.81 KB
- Format:
- Item-specific license agreed upon to submission
- Description: