Сравнение методов машинного обучения и нейронных сетей при прогнозировании фондового рынка

Митрюхина, Е.А. Сравнение методов машинного обучения и нейронных сетей при прогнозировании фондового рынка / Е. А. Митрюхина, А. И. Ладынин // Экономические науки. Научно-информационный журнал. — Москва, 2025 — N 9. — С.289-300. — Библиогр. в конце ст.

Митрюхина, Е.А. и Ладынин, А.И., (2025), "Сравнение методов машинного обучения и нейронных сетей при прогнозировании фондового рынка", Экономические науки. Научно-информационный журнал, Москва, 2025, N 9, С.289-300.

Митрюхина Е А, Ладынин А И. Сравнение методов машинного обучения и нейронных сетей при прогнозировании фондового рынка. Экономические науки. Научно-информационный журнал. 2025; (N 9). С.289-300. DOI:DOI.

нет оценок

Выпуск

Экономические науки. Научно-информационный журнал, 2025, N 9

Источник

Аннотация

В данной работе была построена модель прогнозирования цен закрытия акций ведущих технологических компаний США с применением методов машинного обучения и глубокого обучения. В качестве базовых моделей использовались Random Forest и LSTM, а также их комбинации в составе ансамблевых подходов. Проведенный сравнительный анализ показал, что LSTM эффективнее улавливает временные зависимости и резкие рыночные колебания, тогда как Random Forest отличается устойчивостью к шуму и интерпретируемостью результатов. Использование ансамблирования, в частности метода stacking, позволило объединить преимущества моделей и достичь наименьших ошибок прогнозирования. Дополнительно применялся бутстрэппинг для построения доверительных интервалов, что обеспечило оценку надежности предсказаний. Полученные результаты демонстрируют эффективность комплексного подхода и подтверждают его практическую значимость для построения краткосрочных и среднесрочных инвестиционных стратегий.

Ключевые слова

УДК:

336.76
DOI: DOI — Digital Object Identifier — цифровой идентификатор объекта. Современный стандарт обозначения объектов информационной деятельности в сети Интернет, позволяющий идентифицировать и искать научные данные, размещённые в сети Интернет и привязывать к объекту дополнительные метаданные. Номер DOI всегда остаётся неизменным, который позволяет найти объект, даже если сведения о нем не полные или не точные.

DOI: 10.14451/1.250.289

Сравнение методов машинного обучения и нейронных сетей при прогнозировании фондового рынка

Сравнение методов машинного обучения и нейронных сетей при прогнозировании фондового рынка

Аннотация

Ключевые слова

Рекомендовано к ознакомлению

Отзывы читателей