| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Mūsdienīgu mašīnmācīšanās algoritmu salīdzināšana cenu kustības prognozēšanai biržā |
| Nosaukums angļu valodā |
Comparison of Modern Machine Learning Algorithms for Forecasting Price Movements on the Stock Exchange |
| Struktūrvienība |
12100 Informācijas tehnoloģijas institūts |
| Darba vadītājs |
Jurijs Čižovs |
| Recenzents |
Mg. phys. Egmonts Treiguts |
| Anotācija |
Dotā darba mērķis ir atrast visefektīvāko mašīnmācīšanās algoritmu finanšu instrumenta cenu kustības prognozēšanā, veicot vairāku mūsdienīgu mašīnmācīšanās algoritmu salīdzinošo analīzi un novērtēšanu.
Darba mērķa sasniegšanai tika apskatīti biržas pamatprincipi un finanšu tirgus analīzes metodes, kā arī tika izpētīti mašīnmācīšanās pamati. Darba gaitā tika izvēlēti un izvērtēti trīs mūsdienīgi mašīnmācīšanās algoritmi – XGBoost, CatBoost un Prophet. Šiem algoritmiem tika nodefinēti uzdevuma nosacījumi, un tika izveidota uzdevumu pildīšanas vide. Visi izvēlētie mašīnmācīšanās algoritmi tika apmācīti un izmantoti BTC-USD finanšu instrumenta cenu kustības prognozēšanai. Iegūtie rādītāji tika apkopoti un izanalizēti.
Divi no apskatītajiem algoritmiem uzrādīja samērā līdzīgus rādījumus. Tomēr CatBoost tika atdzīts par visefektīvāko algoritmu finanšu instrumenta cenu kustības prognozēšanā. Balstoties uz iegūtiem rezultātiem un pieredzi, tika izvirzīti vairāki ieteikumi līdzīgu salīdzinājumu veikšanai. Darba gaitā tika izstrādāti vairāki Python skripti, kuri ir pievienoti pielikumos.
Darba apjoms - 52 lpp., 9 tabulas, 14 attēli un 7 pielikumi. |
| Atslēgas vārdi |
mašīnmācīšanās, prognozēšana, birža |
| Atslēgas vārdi angļu valodā |
machine learning, forecasting, stock exchange |
| Valoda |
lv |
| Gads |
2019 |
| Darba augšupielādes datums un laiks |
03.06.2019 21:23:28 |
