ГЛИБОКЕ НАВЧАННЯ У ФІНАНСОВОМУ АНАЛІЗІ: ЗАСТОСУВАННЯ LSTM ТА GAN ДЛЯ ПРОГНОЗУВАННЯ ЦІН АКЦІЙ
DOI:
https://doi.org/10.34185/1991-7848.itmm.2025.01.106Ключові слова:
Прогнозування часових рядів, SMA, EMA, ARIMA, LSTM, GANsАнотація
Прогнозування цін на акції є важливим аспектом фінансової аналітики, що допомагає інвесторам приймати зважені рішення. У роботі розглядаються традиційні методи прогнозування, такі як технічний аналіз (ковзні середні SMA, EMA) та статистичні моделі (ARIMA, експоненційне згладжування). Аналізуються їхні переваги та обмеження, зокрема труднощі у відображенні складних ринкових закономірностей. Для підвищення точності прогнозування пропонується використання сучасних підходів машинного навчання, зокрема нейронних мереж LSTM та генеративно-змагальних нейромереж (GANs). Описано архітектуру GAN та її здатність моделювати ринкову динаміку навіть за обмеженості історичних даних. Проведене дослідження базується на реальних біржових даних (ціни акцій AAPL), а результати порівнюються з методами ARIMA та LSTM, що підтверджує ефективність запропонованого підходу.
Посилання
Pertsev Y. O., Korotka L.I. Comparative analysis of traditional statistical methods and the LSTM neural network model. System technologies. 2025. №1(156). P. 65-77.
Pertsev Y. O., Korotka L. I. Porivniannia neironnykh merezh RNN ta LSTM typu pry prohnozuvanni tsin na fondovomu rynku. Materialy VIII Mizhnarodnoi naukovo-tekhnichnoi konferentsii kompiuterne modeliuvannia ta optymizatsiia skladnykh system (1-3 lystopada 2023 roku m. Dnipro, Ukraina). S. 124-127.
Korotka L., Klevzhyts D., Shvydko D. Use of generative-adversarial networks when creating content. Artificial intelligence. National Academy of Sciences of Ukraine In-stitute of Artificial Intelligence Problems MES of Ukraine and NAS of Ukraine. 2024 № 2 (99). P. 32-47. https://doi.org/10.15407/jai2024.02.032
K. Zhang, G. Zhong, J. Dong, S. Wang, and Y. Wang, “Stock Market Prediction Based on Generative Adversarial Network,” Procedia Computer Science, vol. 147, pp. 400–406, 2019.
