|
ИСТИНА |
Войти в систему Регистрация |
ИПМех РАН |
||
Основанный на ансамбле гибридный метод прогнозирования временных рядов, включающий нейронные сети и анализ поведения рынкадипломная работа (Специалист)
- Научный руководитель: Кумсков М.И.
- Автор: Мартынов Николай Сергеевич
- Тип: Специалист
- Организация, в которой проходила защита: МГУ имени М.В. Ломоносова
- Год защиты: 2024
- Аннотация: Данная работа посвящена развивающейся области прогнозирования временных рядов, актуализированной притоком вариативности сложных последовательных дан- ных, что особенно заметно в финансовой сфере. В работе представлен новый гибрид- ный подход, который интерпретирует временные ряды как геометрические кривые в пространстве и использует теорию сигнатур для эффективного извлечения призна- ков из рядов переменной длины. Также в методе используется динамическое вырав- нивание временных рядов для распознавания шаблонов внутри них. Для проведе- ния кластеризации финансовых инструментов используются фундаментальные по- казатели и статистические признаки. Кроме того, проводится выделение спектраль- ных признаков ряда с помощью преобразования Фурье и непрерывного вейвлет- преобразования. Формирование скрытого маломерного представления временных рядов с помощью автоэнкодера помогает создать наиболее значимые числовые ха- рактеристики ряда. Это представление несет в себе ключевую зашифрованную ин- формацию, с помощью которой возможно восстановить временной ряд с максималь- ной точностью, используя заданную в пространстве метрику. В архитектуру модели включены сверточные слои с фильтрами различных размеров для выявления клю- чевых закономерностей соответствующей длины, а для прогнозирования временного ряда в конечном итоге используется рекуррентная нейронная сеть. Демонстрирует- ся, что применение разнообразных техник извлечения характеристик из временных рядов переменной длины существенно повышает точность прогностических моде- лей, в то время как гибридная архитектура способствует возможности уменьшения размерности финального прогностического блока без существенной утраты качества предсказаний. Подобное параметрическое сокращение способствует увеличению ско- рости работы нейронной сети, что может быть применено в сложных моделях высо- кочастотной торговли для достижения требуемой эффективности.
- Добавил в систему: Кумсков Михаил Иванович
Прикрепленные файлы
| № | Имя | Описание | Имя файла | Размер | Добавлен |
|---|---|---|---|---|---|
| 1. | Полный текст | Martynov_Nikolai_research_work_2_0_0.pdf | 8,0 МБ | 7 июня 2024 [kumskov] |