Skip navigation
Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/38693
Title: Stock Prices Dynamics Forecasting with Recurrent Neural Networks
Other Titles: Прогнозирование динамики изменения цен на акции с помощью рекуррентных нейронных сетей
Authors: Vasyaeva, T. A.
Martynenko, T. V.
Khmilovyi, S. V.
Andrievskaya, N. K.
Keywords: материалы конференций;machine learning;deep learning;recurrent neural networks;short-term memory;stock prices
Issue Date: 2020
Publisher: БГУИР
Citation: Stock Prices Dynamics Forecasting with Recurrent Neural Networks / Tatyana Vasyaeva [et al.] // Открытые семантические технологии проектирования интеллектуальных систем = Open Semantic Technologies for Intelligent Systems (OSTIS-2020) : сборник научных трудов / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. В. Голенков (гл. ред.) [и др.]. – Минск, 2020. – Вып. 4. – С. 277–282.
Abstract: The application of deep neural networks was examined in the area of stock prices forecasting of pharmacies chain "36 and 6". The learning sample formation in the time series area was shown and the neural network architecture was proposed. The neural network for exchange trade forecasting using Python’s Keras Library was developed and trained. The basic parameters setting of algorithm have been carried out.
Alternative abstract: В статье рассмотрено применение рекуррентных нейронных сетей для прогнозирования цен акций сети аптек «36и6». Предметом исследования данной работы являются методы анализа фондовых бирж. Показано получение котировок акций, описан формат полученной информации. Данные представляют собой многомерный временной ряд, который содержит 5 каналов: цена открытия, максимальная цена, минимальная цена, цена закрытия, объем торгов. Рассмотрено формирование обучающей выборки «скользящим окном» в задачах машинного обучения применительно к многомерным временным рядам. Рекуррентные нейронные сети трудно обучать из-за проблемы исчезающего градиента. Показано применение GRU и LSTM сетей для решения данной проблемы. Предложена архитектура нейронной сети. Разработана и обучена нейронная сеть для прогнозирования биржевой торговли с использованием языка программирования Python, а также библиотеки Keras. Проведены эксперименты по настройке основных параметров.
URI: https://libeldoc.bsuir.by/handle/123456789/38693
Appears in Collections:OSTIS-2020

Files in This Item:
File Description SizeFormat 
Vasyaeva_Stock.pdf206.68 kBAdobe PDFView/Open
Show full item record Google Scholar

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.