Применение глубокого обучения для предсказания цен акций

Глубокое обучение может быть ценным инструментом для автоматизации и улучшения финансового анализа. С помощью нейронных сетей можно получить большую точность и эффективность, чем традиционными методами. В работе рассматриваются вопросы применимости методов глубокого обучения к задаче прогнозирования цен акций. Эту задачу можно рассматривать как задачу прогнозирования временных рядов, для решения которой часто используются нейронные сети долгой краткосрочной памяти (LSTM), которые были разработаны для обучения долговременным зависимостям последовательных данных.

Application of deep learning technologies to the stock prices prediction

Deep learning can be a valuable tool in automation and improvement of financial analysis. Neural networks can be used to achieve greater accuracy and efficiency than traditional methods. This paper considers the relevance on deep learning techniques for the stock prices prediction problem. This task can be interpreted as a time-series forecasting problem, which often uses long short-term memory (LSTM) neural networks. LSTM were developed for training on long-term dependencies of sequential data.