Розробка нейромережевих методів і моделей прогнозування ефективності використання інвестицій

Abstract

У магістерській кваліфікаційній роботі проведено детальний аналіз процесу прогнозування ефективності використання інвестицій. Запропоновано метод навчання при побудові нейромережі для засобів прогнозування, який характеризується динамічним збільшенням шарової архітектури мережі та корегуванням значенння вагів впливу кожного шару в процесі навчання, що дозволяє підвищити точність розрахунків. Запропоновано метод прогнозування ефективності використання інвестицій, який відрізняється від існуючих використанням діапазону дискретних точок оцінювання інвестицій з урахуванням умов зміни інвестиційного процесу, що дозволяє врахувати динамічні критерії впливу на ефективність використання інвестицій. Для реалізації нейронних мереж та обрано мову програмування Python з використанням бібліотеки Keras. Обрано радіально-базисну нейромережу з глибинним навчанням. Розроблена нейронна мережа проводить прогнозування ефективності використання інвестицій, яка орієнтована на прогнозування інвестування зі зменшенням ризиків, що дозволяє користувачеві слідкувати за можливим станом інвестицій до моменту залучення коштів.