| Form of studies |
Professional Bachelor |
| Title of the study programm |
Financial Engineering |
| Title in original language |
Baltijas valstu patēriņa sektora akciju cenu prognozēšana, izmantojot dziļo mašīnmācīšanos |
| Title in English |
Forecasting Stock Prices In The Consumer Sector Of The Baltic States Using Deep Learning |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Konstantins Kozlovskis |
| Reviewer |
Ilze Zariņa-Cīrule |
| Abstract |
Precīza akciju cenu prognozēšana ir būtisks priekšnoteikums efektīvai investīciju pārvaldībai, jo tā ļauj samazināt riskus, palielināt ienesīgumu un savlaicīgi pielāgoties tirgus svārstībām. Lielāka prognožu precizitāte ļauj gan individuāliem investoriem, gan institucionālajiem tirgus dalībniekiem pieņemt drošākus un pamatotākus lēmumus. Tradicionālās akciju cenu prognozēšanas metodes, bieži nespēj precīzi modelēt sarežģītas un nelineāras tirgus svārstības, īpaši patēriņa preču sektorā, kas ir ekonomiski jutīgs un cieši saistīts ar makroekonomiskajiem rādītājiem.
Bakalaura darba mērķis ir izstrādāt efektīvu dziļās mašīnmācīšanās algoritmu, kas spēj prognozēt akciju cenas ar augstu precizitāti
Darba teorētiskajā daļā apskatītas klasiskās prognozēšanas metodes, simulācijas pieejas, kā arī neironu tīklu uzbūve un darbības principi. Darba praktiskajā daļā tiek veikts izstrādātā LSTM modeļa prognozēšanas precizitātes salīdzinājums ar tradicionālām metodēm — lineāro regresiju un ARIMA modeļiem, izmantojot vēsturiskos datus par trim lielākajiem Baltijas valstu uzņēmumiem patēriņa preču sektorā. Analīzes rezultāti parāda, ka LSTM modelis spēj nodrošināt konkurētspējīgu prognožu precizitāti, tādējādi apliecinot šīs pieejas piemērotību un efektivitāti akciju cenu prognozēšanas uzdevumos.
Pētījums sastāv no 63 lapaspusēm, 37 attēliem, 6 tabulām, 3 pielikumiem, 24 informācijas avotiem. |
| Keywords |
ALGORITMA IZSTRĀDE, AKCIJU CENAS PROGNOZĒŠANA, DZIĻĀ MAŠĪNMĀCĪŠANĀS, SALĪDZINOŠA ANALĪZE |
| Keywords in English |
ALGORITHM DEVELOPMENT, STOCK PRICE PREDICTION, DEEP LEARNING, COMPARATIVE ANALYSIS |
| Language |
lv |
| Year |
2025 |
| Date and time of uploading |
29.05.2024 23:11:44 |
