Прогнозирование котировок акций

Рост благосостояния людей, вместе с ростом инфляции, делают различные способы сохранения капитала все более востребованными. Самым популярным из них является банковский депозит, однако, в большинстве случаев покупательная способность денег снижается быстрее, чем увеличивается их количество на банковском депозите. Сегодня главной альтернативой банковскому депозиту являются ценные бумаги, торгующиеся на фондовом рынке. Для определения справедливой и возможной будущей стоимости акций существуют различные методы, такие как фундаментальный или технический виды анализа, и оба они требуют больших затрат временных и интеллектуальных ресурсов. Однако для краткосрочных и среднесрочных сделок очень важна скорость принятия решений. Применение нейронных сетей даёт возможность в определённой степени автоматизировать анализ событий и показателей компаний. Данная работа посвящена разработке и внедрению методологии анализа и прогнозирования котировок акций отдельных компаний, торгуемых на фондовых биржах. В работе будет использоваться метод долговременной кратковременной памяти (LSTM) для создания модели машинного обучения и прогнозирования будущей стоимости публично торгуемых акций различных компаний. Он будет работать с такими данными, как объем торгов, минимальная и максимальная цена, а также цена открытия и закрытия за определённый период времени, например, неделю или месяц. Проанализировав динамику торгов за несколько лет, нейронная сеть сможет самостоятельно прогнозировать цену анализируемой акции. Цель этого метода не состоит в том, чтобы заменить классические методы, такие как фундаментальный анализ и технический анализ. Использование нейронных сетей позволит в определённой степени автоматизировать сбор и анализ информации, а также дополнит классические методы анализа и ускорит выбор подходящего момента и принятие решения о сделке.

Stock price forecasting

The growth of people's well-being, together with an increase in inflation, make various ways of preserving capital more and more in demand. The most popular of them is a bank deposit, however, in most cases, the purchasing power of money decreases faster than the amount of money on a bank deposit increases. Today, the main alternative to a bank deposit is securities traded on the stock market. To determine the fair and possible future value of shares, there are various methods, such as fundamental or technical types of analysis, and both of them require a lot of time and intellectual resources. However, for shortand medium-term transactions, the speed of decision-making is very important. The use of neural networks makes it possible to automate the analysis of events and indicators of companies to a certain extent. This work is devoted to the development and implementation of a methodology for analyzing and forecasting stock quotes of individual companies traded on stock exchanges. The paper will use the method of long-term short-term memory (LSTM) to create a machine learning model and predict the future value of publicly traded shares of various companies. It will work with data such as trading volume, minimum and maximum price, as well as the opening and closing price for a certain period of time, for example, a week or a month. After analyzing the dynamics of trading over several years, the neural network will be able to independently predict the price of the analyzed stock. The purpose of this method is not to replace classical methods such as fundamental analysis and technical analysis. The use of neural networks will allow to automate the collection and analysis of information to a certain extent, as well as complement the classical methods of analysis and speed up the selection of the right moment and the decision on the transaction.