| Studiju veids |
maģistra akadēmiskās studijas |
| Studiju programmas nosaukums |
Datorsistēmas |
| Nosaukums |
Mašīnmācīšanās algoritmu analīze finanšu prognožu modelēšanā |
| Nosaukums angļu valodā |
Machine Learning Algorithm Analysis for Financial Forecasting |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Aleksejs Jurenoks |
| Recenzents |
Jurijs Lavendels |
| Anotācija |
Maģistra darba mērķis bija izpētīt vai, un kādi mašīnmācīšanās algoritmi ir
piemēroti laikrindu finanšu prognožu veikšanai. Maģistra darbā prognozēti
uzņēmuma ikmēneša pārdošanas rezultāti eiro valūtā.
Pētījuma metodoloģijai tika izmantoti gan klasiski, gan moderni
mašīnmācīšanas algoritmi. Mašīnmācīšanas algoritmi tika izveidoti un izpildīti
Python programmēšanas valodā, Jupyter Notebook datu zinātnes lietojumprogrammā.
Balstoties uz aprakstīto pieeju, tika trenēti un savā starpā salīdzināti
prognozēšanas modeļi, izmantojot SARIMA, Vektoru AutoRegresijas, Lineāra
Regresijas metodes, kā arī Jedox Aisissted mašīnmācīšanās algoritmu sistēma.
Iegūtie rezultāti apstiprina, ka mašīnmācīšanās algoritmi ir piemēroti finanšu
prognožu veikšanai un spēj veikt precīzas prognozes.
Maģistra darba apjoms: 73 lappuses, 24 attēli, 9 tabulas, 1 pielikums un 73
izmantotie informācijas avoti. |
| Atslēgas vārdi |
laikrinda, mašīnmācīšanās, prognozēšana, algoritms |
| Atslēgas vārdi angļu valodā |
time series, machine learning, forecasting, algorithm |
| Valoda |
lv |
| Gads |
2023 |
| Darba augšupielādes datums un laiks |
13.05.2023 16:01:51 |
