Застосування нейронних мереж для прогнозування динаміки фінансових інструментів на фондових ринках

Abstract

UA : У роботі досліджено сутність, значення та особливості динаміки фінансових інструментів на фондових ринках, розглянуто основні підходи та методи, які використовуються для їх моделювання та прогнозування, проаналізовано особливості побудови нейронної мережі як інструменту прогнозування економічної динаміки. Для динаміки фондового індексу S&P 500 проведено передпрогнозний аналіз на базі застосування методології комплексного фрактального аналізу, визначено характеристики її глибини пам’яті. Складено план та проведено експериментальні дослідження щодо виявлення впливу врахування показників глибини пам’яті часового ряду на визначення параметрів й архітектури нейронної мережі. Результати дослідження використано для прогнозування динаміки S&P 500 за період з січня 2014 р. по жовтень 2020 р. та розробки практичних рекомендацій.

EN : In the work the essence, significance and peculiarities of dynamics of financial instruments in stock markets are investigated, the main approaches and methods used for their modeling and forecasting are considered, the peculiarities of neural network construction as a tool for forecasting economic dynamics are analyzed. For the dynamics of the stock index S&P 500, a pre-forecast analysis was performed based on the application of the methodology of complex fractal analysis, the characteristics of its memory depth were determined. A plan was drawn up and experimental studies were carried out to identify the effect of taking into account the depth of memory of the time series on the determination of parameters and architecture of the neural network. The results of the study were used to forecast the dynamics of the S&P 500 for the period from January 2014 to October 2020 and to develop practical recommendations.