Дослідження нейронних мереж для прогнозування вартості акцій компаній у нестабільній економіці
Ескіз недоступний
Дата
2022
Автори
Москаленко, В. B.
Санталова, А. Р.
Фонта, Н. Г.
Moskalenko, V. V.
Santalova, A. R.
Fonta, N.
DOI
https://doi.org/10.20998/2079-0023.2022.02.03
Назва журналу
Номер ISSN
Назва тому
Видавець
Національний технічний університет "Харківський політехнічний інститут"
Анотація
Дані дослідження присвячені аналізу і вибору нейронних мереж різної архітектури та гібридних моделей, до яких включені нейронні мережі, для прогнозування ринкової вартості акцій на фондовому ринку країни, яка перебуває у процесі нестабільного розвитку. Аналіз та прогнозування таких фондових ринків не може бути проведено з використанням класичних методів. Актуальність теми дослідження зумовлена необхідністю розробки програмних систем, які реалізують алгоритмічне забезпечення прогнозування ринкової вартості акцій в Україні. Впровадження таких програмних систем до контуру прийняття інвестиційних рішень у компаніях, які зацікавлені у підвищенні інформаційної прозорості фондового ринку України, дасть можливість покращити прогнози щодо ринкової вартості акцій. Це у свою чергу сприятиме покращенню інвестиційного клімату та забезпечить зростання інвестування в українську економіку. Проведено аналіз результатів існуючих досліджень щодо використання нейронних мереж та інших методів обчислювального інтелекту для моделювання поведінки учасників фондового ринку та прогнозування ринку. У статті надано результати дослідження щодо використання нейронних мереж різної архітектури для прогнозування ринкової вартості акцій на фондових ринках України. Для прогнозування було обрано чотири акції Української фондової біржі: Центренерго (CEEN); Укртелеком (UTLM); Крюківський Вагонобудівний Завод ПАТ (KVBZ); Райффайзен Банк Аваль (BAVL). Для експериментального дослідження були обрані такі моделі: довга короткострокова пам’ять LSTM; згорткова нейронна мережа CNN; гібридна модель, яка поєднує дві нейронної мережі CNN і LSTM; гібридна модель, що складається з алгоритму декомпозиції варіаційного режиму та нейронної мережі довгострокової пам’яті (VMD-LSTM); гібридна модель VMD-CNN-LSTM глибокого навчання на основі варіаційного режиму (VMD) та двох нейронних мереж. Розраховано оцінки якості прогнозу за різними метриками. Зроблено висновок, що використання гібридної моделі VMD-CNN-LSTM дає мінімальну помилку прогнозування ринкової вартості акцій українських підприємств. Також доцільно використовувати модель VMD-LSTM для прогнозування на біржах країн з нестабільною економікою.
These studies deal with analysis and selection of neural networks with various architectures and hybrid models, which includeneural networks, to predict the market value of shares in the stock market of a country that is in the process of unstable development. Analysis and forecasting of such stock markets cannot be carried out using classical methods. The relevance of the research topic is due to the need to developsoftware systems that implement algorithmic support for predicting the market value of shares in Ukraine. The introduction of such software systems in the circuit of investment decision-making in companies that are interested in increasing the informationtransparency of the Ukrainian stock market will improve the forecasts of the market value of shares. This, in turn, will help improve the investment climate and ensure the growth of investment in the Ukrainianeconomy. The analysis of the results of existing studies on the use of neural networks and other methods of computational intelligence for modeling the behavior of stock market participants and market forecasting has been carried out. The article presents the results of a study for the using of neural networks with various architectures for predicting the market value of shares in the stock markets of Ukraine. Four shares of the Ukrainian Stock Exchange were chosen for forecasting: Centrenergo (CEEN); Ukrtelecom (UTLM); Kriukivs’kyi Vahonobudivnyi Zavod PAT (KVBZ); Raiffeisen Bank Aval (BAVL). The following models were chosen for the experimental study: long short-term memory LSTM; convolutional neural network CNN; a hybrid model combining two neural networks CNN and LSTM; a hybrid model consisting of a variational mode decomposition algorithm and a long-term memory neural network (VMD-LSTM); hybrid VMD-CNN-LSTM deep learning model based on variational mode (VMD) and two neural networks. Estimates of forecast quality based on various metrics were calculated. It is concluded that the use of the hybrid model VMD-CNN-LSTM gives the minimum error in predicting the market value of the shares of Ukrainian enterprises. It is also advisable to use the VMD-LSTM model to predict the stock exchanges of countries with an unstable economy.
These studies deal with analysis and selection of neural networks with various architectures and hybrid models, which includeneural networks, to predict the market value of shares in the stock market of a country that is in the process of unstable development. Analysis and forecasting of such stock markets cannot be carried out using classical methods. The relevance of the research topic is due to the need to developsoftware systems that implement algorithmic support for predicting the market value of shares in Ukraine. The introduction of such software systems in the circuit of investment decision-making in companies that are interested in increasing the informationtransparency of the Ukrainian stock market will improve the forecasts of the market value of shares. This, in turn, will help improve the investment climate and ensure the growth of investment in the Ukrainianeconomy. The analysis of the results of existing studies on the use of neural networks and other methods of computational intelligence for modeling the behavior of stock market participants and market forecasting has been carried out. The article presents the results of a study for the using of neural networks with various architectures for predicting the market value of shares in the stock markets of Ukraine. Four shares of the Ukrainian Stock Exchange were chosen for forecasting: Centrenergo (CEEN); Ukrtelecom (UTLM); Kriukivs’kyi Vahonobudivnyi Zavod PAT (KVBZ); Raiffeisen Bank Aval (BAVL). The following models were chosen for the experimental study: long short-term memory LSTM; convolutional neural network CNN; a hybrid model combining two neural networks CNN and LSTM; a hybrid model consisting of a variational mode decomposition algorithm and a long-term memory neural network (VMD-LSTM); hybrid VMD-CNN-LSTM deep learning model based on variational mode (VMD) and two neural networks. Estimates of forecast quality based on various metrics were calculated. It is concluded that the use of the hybrid model VMD-CNN-LSTM gives the minimum error in predicting the market value of the shares of Ukrainian enterprises. It is also advisable to use the VMD-LSTM model to predict the stock exchanges of countries with an unstable economy.
Опис
Ключові слова
прогнозування , довготривала пам’ять , інвестиції , нейронна мережа , згорткова нейронна мережа , гібридна модель , варіаційна декомпозиція , глибоке навчання , forecasting , investment , neural network , long-term memory , convolutional neural network , hybrid model , variational decomposition , deep learning
Бібліографічний опис
Москаленко В. B., Санталова А. Р., Фонта Н. Г. Дослідження нейронних мереж для прогнозування вартості акцій компаній у нестабільній економіці. Вісник Національного технічного університету «ХПІ». Серія: Системний аналiз, управління та iнформацiйнi технологiї. 2022. № 2 (8). С. 16–23. DOI: https://doi.org/10.20998/2079-0023.2022.02.03 .