НАУКОВІ РОБОТИ ЗДОБУВАЧІВ ВИЩОЇ ОСВІТИ
Permanent URI for this communityhttps://ekhsuir.kspu.edu/handle/123456789/10243
Browse
3 results
Search Results
Item ПРОГНОЗУВАННЯ ДИНАМІКИ ЦІН КРИПТОВАЛЮТ З ВИКОРИСТАННЯМ ТЕХНІКИ МАШИННОГО НАВЧАННЯ(2024) Молікевич, Р. С.У роботі проведено комплексний аналіз цін та прибутковості 15 криптовалют із використанням моделей машинного навчання та методів оптимізації портфеля. Зокрема, застосовано модель XGBoost для прогнозування цін криптовалют, що виявило їхню високу волатильність та залежність від ринкових коливань. Модель Марковіца використано для оптимізації інвестиційного портфеля з метою досягнення найкращого співвідношення прибутковості та ризику. Також розглянуто можливість стейкінгу криптовалют для додаткового приросту капіталу. На основі отриманих даних запропоновано стратегію автоматичних продажів активів при досягненні прогнозованих цін для підвищення ефективності інвестиційної діяльності. / This study provides a comprehensive analysis of the prices and profitability of 15 cryptocurrencies using machine learning models and portfolio optimization methods. In particular, the XGBoost model was applied for cryptocurrency price forecasting, revealing their high volatility and dependence on market fluctuations. The Markowitz model was used to optimize the investment portfolio to achieve the best possible return-to-risk ratio. Additionally, the potential of staking cryptocurrencies for extra capital growth was explored. Based on the obtained data, a strategy for automatic asset sales at forecasted prices was proposed to enhance investment efficiency.Item РОЛЬ ШТУЧНОГО ІНТЕЛЕКТУ В УПРАВЛІННІ ПОРТФЕЛЕМ ЦІННИХ ПАПЕРІВ(2024) Кажаєв, М. В.У сучасному світі штучний інтелект (ШІ) відіграє ключову роль у багатьох аспектах фінансових ринків, зокрема в управлінні портфелем цінних паперів. Ця анотація розглядає, як ШІ використовується для аналізу даних, прогнозування цінових тенденцій, оптимізації інвестиційних стратегій та ризик-менеджменту. Обговорюються основні методи та техніки, такі як машинне навчання, аналіз великих даних та нейронні мережі, які дозволяють автоматизувати процеси прийняття рішень у фінансовому управлінні. Підкреслюється значення ШІ у покращенні ефективності та точності прогнозування на фондовому ринку, що робить його незамінним інструментом для сучасних управителів портфелів. In today's world, artificial intelligence (AI) plays a crucial role in various aspects of financial markets, particularly in securities portfolio management. This abstract explores how AI is utilized for data analysis, price trend forecasting, investment strategy optimization, and risk management. Key methods and techniques such as machine learning, big data analytics, and neural networks are discussed, highlighting their automation capabilities in decision-making processes within financial management. The significance of AI in enhancing efficiency and accuracy of market predictions is underscored, making it an indispensable tool for modern portfolio managers.Item НЕЙРОННІ МЕРЕЖІ(2023) Крижановський, С. В.Ця робота присвячена огляду нейронних мереж, їх перспектив, напрямків розвитку, а також того, як вони були корисними в минулому і як вони будуть корисними в майбутньому. Крім того, ми прагнемо визначити основні проблеми, з якими стикаються нейронні мережі, і запропонувати шляхи їх вирішення. Для досягнення цих цілей ми розглянемо історію та типи нейронних мереж, вивчимо їх поточні застосування та майбутні тенденції, а також дослідимо їх потенціал у різних галузях. Ми також проаналізуємо основні проблеми, з якими стикаються нейронні мережі, і запропонуємо шляхи покращення їхньої продуктивності та забезпечення етичного використання. / This work is devoted to the review of neural networks, their prospects, directions of development, as well as how they have been useful in the past and how they will be useful in the future. In addition, we aim to identify the main problems faced by neural networks and propose ways to solve them. To achieve these goals, we will review the history and types of neural networks, examine their current applications and future trends, and explore their potential in various fields. We will also analyze the main challenges faced by neural networks and suggest ways to improve their performance and ensure ethical use.