| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Akciju kursu prognozēšana ar neironu tīkliem |
| Nosaukums angļu valodā |
Stock Price Prediction Using Neural Networks |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Henrihs Gorskis |
| Recenzents |
Vladimirs Ņikuļšins |
| Anotācija |
Šī bakalaura darba mērķis ir izpētīt un novērtēt, kā dažādi neironu tīklu modeļi – vienkāršs rekurentais neironu tīkls (RNN), ilgtermiņa atmiņas tīkls (LSTM) un vārtejumstruktūru rekurentais tīkls (GRU) – var tikt izmantoti akciju kursu dinamikas prognozēšanai. Darbā tiek analizēti šo modeļu teorētiskie pamati un praktiskā piemērošana, izmantojot reālus akciju tirgus datus. Tā kā akciju tirgus ir ārkārtīgi dinamisks un neprognozējams, šie mākslīgā intelekta modeļi, potenciāli piedāvā priekšrocību, spējot uztvert un analizēt laika rindu datus, kas ir svarīgi precīzu cenu prognozēšanai.
Pētījumā tiek akcentēta neironu tīklu spēja apgūt sarežģītas attiecības datu kopās, ņemot vērā akciju tirgus datu nepastāvīgo un nelineāro raksturu. Izpētes rezultāti parāda, ka neironu tīkli spēj sniegt ievērojamu ieguldījumu akciju cenu prognozēšanā, kas var uzlabot investīciju lēmumu pieņemšanu. Tādējādi, šis darbs iegulda nozīmīgu ieguldījumu finanšu tehnoloģiju jomā, paplašinot mūsu izpratni par to, kā mākslīgais intelekts var veicināt precīzāku un efektīvāku lēmumu pieņemšanu akciju tirgū.
Darba apjoms ir 52 lappuses, 4 tabulas, 24 attēli un 41 informācijas avoti |
| Atslēgas vārdi |
Neironu tīkli, akciju cenas, prognozēšana, finanšu tehnoloģijas, mākslīgais intelekts |
| Atslēgas vārdi angļu valodā |
Neural networks, stock prices, forecasting, financial technology, artificial intelligence |
| Valoda |
lv |
| Gads |
2024 |
| Darba augšupielādes datums un laiks |
28.05.2024 18:48:56 |
