Автоматизація прогнозування цін акцій із використанням методів машинного навчання
Вантажиться...
Файли
Дата
Науковий керівник
Редактор
Інші учасники
Відповідальний
ORCID
Назва журналу
Номер ISSN
Назва тому
DOI
Альтернативна назва
Анотація
У роботі розглядається проблема прогнозування цін акцій на фінансових ринках із використанням методів машинного навчання. Сучасні фондові ринки характеризуються значною мінливістю та великими обсягами даних, що ускладнює застосування традиційних аналітичних підходів. У зв’язку з цим особливої актуальності набуває використання інтелектуальних методів аналізу даних, здатних виявляти приховані закономірності у часових рядах.
The paper considers the problem of stock price prediction in financial markets using machine learning methods.
The paper considers the problem of stock price prediction in financial markets using machine learning methods.
Опис
Ключові слова
УДК
Тип документа
Мова
ISSN
Посилання на публікацію
Серія, номер
ISBN
ББК
Інші ідентифікатори
Пов’язані матеріали
Спонсорська підтримка
Правовласник
Бібліографічний опис
Гудзь Т. О., Маслій Р. В. Автоматизація прогнозування цін акцій із використанням методів машинного навчання // Матеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2026/paper/view/28246.
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (1)
- Що таке Machine Learning? [Електронний ресурс] – Режим доступу: https://denovo.ua/resources/what-is-machine-learning (дата звернення: 16.03.2026). 2.Прогнозування в машинному навчанні [Електронний ресурс] – Режим доступу: https://journals.ontu.edu.ua/index.php/atbp/article/view/3150/3376 (дата звернення: 16.03.2026). 3.Mean Square Error (MSE) [Електронний ресурс] – Режим доступу: https://itwiki.dev/data-science/ml-reference/mlglossary/mean-square-error-mse (дата звернення: 16.03.2026). 4.Перенавчання нейронної мережі [Електронний ресурс] – Режим доступу: https://developers.google.com/machinelearning/crash-course/overfitting/overfitting?hl=uk (дата звернення: 16.03.2026).