Книга Использование нейронных сетей для моделирования прогноза котировок ценных бумаг описывает использование моделирования с помощью нейронных сетей для прогнозирования котировок ценных бумаг. Автор подробно описывает работу модели нейронной сети обратного распространения и ее применение для всех типов ценных бумаг. Алгоритм обучения сети обратного распространения проходит в несколько этапов и использует выборку, состоящую из значений котировок ценных бумаг и других числовых характеристик, влияющих на котировки. Для тестирования модели использовались котировки ФБ СПб. Газпром за определенный период времени. Результаты показывают, что использование модели нейронных сетей повышает точность прогнозирования и обеспечивает достоверность информации с определенной долей вероятности прогноза. Книга ориентирована на специалистов в области финансов и экономики, а также на всех, кто интересуется применением нейронных сетей в различных областях.
Книга Использование нейронных сетей для моделирования прогноза котировок ценных бумаг представляет собой исследование возможности применения нейронных сетей для прогнозирования цен на финансовых рынках. Автор описывает принципы работы нейронных сетей, а также методы их обучения и тестирования на примере модели обратного распространения. В качестве данных для обучения и тестирования использовались котировки ценных бумаг ФБ СПб. Газпром за конкретный период времени. Автор также обсуждает различные модификации алгоритма обратного распространения, включая использование различных функций ошибки и активационных функций.
Книга ориентирована на специалистов в области финансов и экономики, которые интересуются применением новых технологий и методов для анализа финансовых рынков. Полученные результаты показывают, что использование нейронных сетей может повысить точность прогнозирования цен на финансовых рынках и улучшить экономическую эффективность принимаемых решений. Книга может также быть полезна студентам и исследователям, занимающимся обработкой данных и машинным обучением.
Несмотря на наличие множества эффективных методов прогнозирования цен на ценные бумаги, универсальность нейронных сетей позволяет использовать их для всех видов ценных бумаг. В данной книге автор подробно описывает работу модели нейронной сети с обратным распространением.
При обучении сети ставятся задачи минимизации функции ошибки по методу наименьших квадратом. Обучение сети проходит поэтапно, используя выборку, состоящую из значений котировок, а также различных числовых показателей, влияющих на цены. Модификации алгоритмов обратного распространения используются для выбора различных функций ошибок, активации функций и определения направлений и величин шагов.
Для тестирования модели были использованы котировки ФБ "СПб. “Газпром” за период.
#ценные бумаги / инвестиции
#программы
#программирование
