| Form of studies |
Professional Bachelor |
| Title of the study programm |
Financial Engineering |
| Title in original language |
Laikrindas prognozēšanas metožu salīdzinošā analīze finanšu tirgos: klasiskās statistikas un mašīnmācīšanās pieejas |
| Title in English |
Comparative Analysis of Time Series Forecasting Methods in Financial Markets: Classical Statistics vs Machine Learning |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Konstantins Kozlovskis |
| Reviewer |
Ilze Zariņa-Cīrule |
| Abstract |
Finanšu tirgos cenu kustību prognozēšana ir sarežģīts uzdevums, jo finanšu instrumentu vērtību ietekmē daudzi faktori un tirgus situācija var strauji mainīties. Prognozēšanas modeļi var palīdzēt analizēt vēsturiskos datus un novērtēt iespējamo cenu kustību, tomēr to piemērotība var atšķirties atkarībā no izvēlētā instrumenta, laika intervāla un prognozēšanas horizonta.
Bakalaura darba mērķis ir salīdzināt dažādu finanšu laikrindu prognozēšanas modeļu darbību un pārbaudīt to izmantošanas iespējas tirdzniecības stratēģijas izveidē. Darbā tika apskatīti finanšu laikrindu prognozēšanas teorētiskie pamati, finanšu datu īpatnības, izmantotie prognozēšanas modeļi un to kvalitātes novērtēšanas metodes.
Darba praktiskajā daļā tika izmantoti piecpadsmit finanšu instrumenti no dažādiem tirgus segmentiem: kriptovalūtas, akciju indeksi, valūtu pāri, dārgmetāli, ASV dolāra indekss un energoresursi. Datu analīze tika veikta dienas, četru stundu un vienas stundas intervālā. Prognozēšanai tika realizēti pieci modeļi: Naive, ETS, ARIMA, XGBoost un LSTM. Modeļi tika pārbaudīti viena un trīs periodu prognozēšanas horizontā, izmantojot prognožu kļūdu rādītājus, virziena precizitāti un statistiskās pārbaudes.
Papildus prognozēšanas modeļu salīdzināšanai darbā tika izveidota tirdzniecības stratēģijas vēsturiskās pārbaudes pieeja. Tajā tika izmantotas atlasīto modeļu prognozes, signāla sliekšņa kalibrācija, EMA50 trenda filtrs un uz ATR balstīti riska pārvaldības nosacījumi. Stratēģijas parametri tika izvēlēti kalibrācijas periodā un pēc tam pārbaudīti atsevišķā gala pārbaudes periodā.
Bakalaura darbs sastāv no 65 lappusēm, 4 attēliem, 20 tabulām, 12 izmantotajiem informācijas avotiem un 1 pielikuma. |
| Keywords |
FINANŠU LAIKRINDAS, PROGNOZĒŠANAS MODEĻI, MAŠĪNMĀCĪŠANĀS, TIRDZNIECĪBAS STRATĒĢIJA, VĒSTURISKĀ PĀRBAUDE |
| Keywords in English |
FINANCIAL TIME SERIES, FORECASTING MODELS, MACHINE LEARNING, TRADING STRATEGY, HISTORICAL TESTING |
| Language |
lv |
| Year |
2026 |
| Date and time of uploading |
26.05.2026 13:51:48 |
