Вейвлетний аналіз та прогнозування фінансових часових рядів

Анотація

В роботі розглянуто моделі та методи прогнозування фінансових часових рядів. Проаналізовано основні переваги та недоліки традиційних моделей та нейронних мереж для прогнозування без попередньої обробки даних. Застосовано вейвлетний аналіз та рекурентна нейромережа з довгою короткостроковою пам’яттю (LSTM) для прогнозування курсу криптовалюти. Отримані результати порівнюються з результатами існуючих підходів, визначено ефективність запропоновано рішення. Іл.: 6. Табл.: 2. Бібліогр.: 13 назв.

Ключові слова: фінансові часові ряди, нейронні мережі, прогнозування, попередня обробка даних, вейвлетний аналіз, рекурентна нейромережа з довгою короткостроковою пам’яттю, курс криптовалюти.