- Main
- Conference
- Sustainable Development of Russian Regions in the...
- Effektivnost' neironnykh setei v prognozirovanii f...
Effektivnost' neironnykh setei v prognozirovanii fondovogo rynka
Proceeding


- 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
- ВКонтакте
- РћРТвЂВВВВВВВВнокласснРСвЂВВВВВВВВРєРСвЂВВВВВВВВ
- РњРѕР№ Р В Р’В Р РЋРЎв„ўР В Р’В Р РЋРІР‚ВВВВВВВВРЎР‚
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. 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. 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. 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. 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. 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
Documents
Full text (RUS)
231.64KbLinks
Digest
https://phsreda.com/en/action/10633/infoExport citation
BibTex
.bib
Comments(0)