АВТОРЕГРЕССИОННОЕ МОДЕЛИРОВАНИЕ И НЕЙРОСЕТЕВОЙ МЕТОД ПРОГНОЗИРОВАНИЯ ФИНАНСОВЫХ ПОКАЗАТЕЛЕЙ

Аннотация

Инвесторы получают доход от фондового рынка, стараясь максимизировать прибыль и минимизируя убытки. Прибыль трудно увеличить из-за волатильности цен на фондовом рынке. Прогнозное моделирование позволяет инвесторам принимать обоснованные решения. В этой работе мы сравниваем три способа прогнозирования: авторегрессионные модели (AR), авторегрессионную модель интегрированного скользящего среднего (ARIMA), модель на основе искусственных нейронных сетей (ANN), а именно модель долговременной краткосрочной памяти (LSTM), базирующуюся на рекуррентной нейросети (RNN) . Результаты прогностического моделирования анализируются и сравниваются с точки зрения точности прогнозирования. Исследование направлено на разработку прибыльной торговой стратегии. Выводы исследования таковы: модель на базе рекуррентной нейросети обеспечила точные краткосрочные прогнозы, но не дала долгосрочных прогнозов, авторегрессионные модели формируют хорошую линию тренда, необходимую для торговли. Таким образом, прибыльная торговая стратегия может сочетать в себе прогнозное моделирование машинного обучения и технический анализ