| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Datorsistēmas |
| Nosaukums |
Mašīnmācīšanās modeļa izveide akciju vērtību prognozēšanai |
| Nosaukums angļu valodā |
Machine Learning Model Development for Stock Price Forecasting |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Arnis Staško |
| Recenzents |
Kārlis Roķis |
| Anotācija |
Šajā bakalaura darbā tiek pētīta mašīnmācīšanās modeļu pielietošana finanšu laika rindu prognozēšanā. Finanšu dati raksturojas ar augstu svārstīgumu, trokšņu līmeni un mainīgumu. Darba mērķis ir izstrādāt pielāgojamu un vispārināmu prognozēšanas modeli, kas spētu strādāt ierobežotu datu apstākļos un pielāgoties jauniem uzdevumiem.
Izstrādātais risinājums balstās uz CNN-LSTM arhitektūru, kas ir papildināta ar meta-mācīšanās algoritmu. Modelis tika trenēts, izmantojot dažādu uzņēmumu vēsturiskos finanšu datus (Google, Microsoft, Apple), un testēts uz jauniem uzņēmumiem (IBM, Cisco, Amazon), novērtējot tā adaptējamību un prognožu precizitāti. Rezultāti liecina, ka meta-mācīšanās pieeja uzlabo prognozēšanas kvalitāti, īpaši situācijās ar nepietiekamu datu apjomu vai augstu tirgus dinamiku.
Darbā tika salīdzināti arī modeļa rezultāti ar tradicionālu CNN-LSTM modeli bez meta-mācīšanās, kā arī ar klasisku mašīnmācīšanās algoritmu – nejaušo mežu regresiju. Veiktā analīze parāda, ka meta-mācīšanās sniedz priekšrocības elastībā un vispārināmībā salīdzinājumā ar klasiskām pieejām. |
| Atslēgas vārdi |
finanšu prognozēšana, dziļā mācīšanās, meta-mācīšanās |
| Atslēgas vārdi angļu valodā |
financial forecasting, deep learning, meta-learning |
| Valoda |
lv |
| Gads |
2025 |
| Darba augšupielādes datums un laiks |
27.05.2025 19:59:18 |
