En
Register Log in
  1. Main
  2. Conference
  3. Sustainable Development of Russian Regions in the...
  4. Effektivnost' neironnykh setei v prognozirovanii f...

Effektivnost' neironnykh setei v prognozirovanii fondovogo rynka

Proceeding
All-Russian scientific conference «Sustainable Development of Russian Regions in the Age of Transformation Processes»
Creative commons logo
Published in:
All-Russian scientific conference «Sustainable Development of Russian Regions in the Age of Transformation Processes»
Author:
Anton E. Kokshin 1
Work direction:
Цифровая трансформация и технологии искусственного интеллекта
Pages:
168-171
Received: 26 September 2024

Rating:
Article accesses:
480
Published in:
РИНЦ
1 Chuvash State University
For citation:

Abstract

В современных условиях особо актуальным является использование информационных технологий и искусственного интеллекта в прогнозировании цен различных финансовых инструментов. Все больше набирает популярность применение методов машинного обучения, один из которых – искусственные нейронные сети. В статье исследуются нейронные сети, наиболее эффективные в прогнозировании фондового рынка, определены критерии оценки эффективности искусственных нейронных сетей, оценены предлагаемые модели и выделены их ключевые особенности.

References

  1. 1. Namdari A., Durrani T.S. A multilayer feedforward perceptron model in neural networks for predicting stock market short term trends // Operations Research Forum. – 2021. – Vol. 2. No. 38.
  2. 2. Chung H., Shin K. Genetic algorithm-optimized multi-channel convolutional neural network for stock market prediction // Neural Computing and Applications. – 2020. – Vol. 32. – Pp. 7897–7914. https://doi.org/10.1007/s00521-019-04236-3. EDN: TSZUNN
  3. 3. Jin Z., Yang Y., Liu Y. Stock closing price prediction based on sentiment analysis and LSTM // Neural Computing and Applications. – 2020. – Vol. 32. – Pp. 9713–9729. https://doi.org/10.1007/s00521-019-04504-2. EDN: OSYMNM
  4. 4. Wu J.M., Li Z., Herencsar N., Vo B., Lin J. Chun Wei A graph based CNN LSTM stock price prediction algorithm with leading indicators // Multimedia Systems. – 2023. – Vol. 29. – Pp. 1751–1770. https://doi.org/10.1007/s00530-021-00758-w. EDN: XJQVDI
  5. 5. Kurani A., Doshi P., Vakharia A., Shah M. A Comprehensive Comparative Study of Artifcial Neural Network (ANN) and Support Vector Machines (SVM) on Stock Forecasting // Annals of Data Science. – 2023. – Vol. 10. – Pp. 183–208. https://doi.org/10.1007/s40745-021-00344-x. EDN: NOVWDI

Comments(0)

When adding a comment stipulate:
  • the relevance of the published material;
  • general estimation (originality and relevance of the topic, completeness, depth, comprehensiveness of topic disclosure, consistency, coherence, evidence, structural ordering, nature and the accuracy of the examples, illustrative material, the credibility of the conclusions;
  • disadvantages, shortcomings;
  • questions and wishes to author.