Дослідження методів обчислювального інтелекту у прогнозуванні на фінансових ринках
The work considers intelligent methods for solving the problem of short- and middle-term forecasting in the financial sphere. LSTM DL networks, GMDH, and hybrid GMDH-neo-fuzzy networks were studied. Neo-fuzzy neurons were chosen as nodes of the hybrid network, which allows to reduce computational co...
Збережено в:
| Видавець: | The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
|---|---|
| Дата: | 2023 |
| Автори: | , , |
| Формат: | Стаття |
| Мова: | English |
| Опубліковано: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2023
|
| Теми: | |
| Онлайн доступ: | http://journal.iasa.kpi.ua/article/view/290368 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
Організація
System research and information technologies| id |
journaliasakpiua-article-290368 |
|---|---|
| record_format |
ojs |
| spelling |
journaliasakpiua-article-2903682023-11-07T22:19:24Z Investigation of computational intelligence methods in forecasting at financial markets Дослідження методів обчислювального інтелекту у прогнозуванні на фінансових ринках Zaychenko, Yuriy Zaichenko, Helen Kuzmenko, Oleksii оптимізація МГУА гібридна мережа МГУА-неофаззі LSTM короткострокове та середньострокове прогнозування optimization GMDH hybrid GMDH-neo-fuzzy network LSTM short- and middle-term forecasting The work considers intelligent methods for solving the problem of short- and middle-term forecasting in the financial sphere. LSTM DL networks, GMDH, and hybrid GMDH-neo-fuzzy networks were studied. Neo-fuzzy neurons were chosen as nodes of the hybrid network, which allows to reduce computational costs. The optimal network parameters were found. The synthesis of the optimal structure of hybrid networks was performed. Experimental studies of LSTM, GMDH, and hybrid GMDH-neo-fuzzy networks with optimal parameters for short- and middle-term forecasting have been conducted. The accuracy of the obtained experimental predictions is compared. The forecasting intervals for which the application of the researched artificial intelligence methods is the most expedient have been determined. Розглянуто інтелектуальні методи для короткострокового та середньострокового прогнозування у фінансовій сфері. Досліджувалися DL мережі LSTM, МГУА та гібридні МГУА неофаззі мережі. Як вузли гібридної мережі обрано неофаззі нейрони, що дозволяє зменшити обчислювальні витрати. Знайдено оптимальні параметри мереж. Виконано синтез оптимальної структури гібридних мереж. Проведено експериментальні дослідження мереж LSTM, МГУА та МГУА неофаззі з оптимальними параметрами для короткострокового та середньострокового прогнозування. Порівняно точність отриманих експериментальних прогнозів. Визначено інтервали прогнозування, для яких застосування досліджених методів штучного інтелекту є найбільш доцільним. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2023-09-29 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/290368 10.20535/SRIT.2308-8893.2023.3.04 System research and information technologies; No. 3 (2023); 54-65 Системные исследования и информационные технологии; № 3 (2023); 54-65 Системні дослідження та інформаційні технології; № 3 (2023); 54-65 2308-8893 1681-6048 en http://journal.iasa.kpi.ua/article/view/290368/283955 |
| institution |
System research and information technologies |
| collection |
OJS |
| language |
English |
| topic |
оптимізація МГУА гібридна мережа МГУА-неофаззі LSTM короткострокове та середньострокове прогнозування optimization GMDH hybrid GMDH-neo-fuzzy network LSTM short- and middle-term forecasting |
| spellingShingle |
оптимізація МГУА гібридна мережа МГУА-неофаззі LSTM короткострокове та середньострокове прогнозування optimization GMDH hybrid GMDH-neo-fuzzy network LSTM short- and middle-term forecasting Zaychenko, Yuriy Zaichenko, Helen Kuzmenko, Oleksii Дослідження методів обчислювального інтелекту у прогнозуванні на фінансових ринках |
| topic_facet |
оптимізація МГУА гібридна мережа МГУА-неофаззі LSTM короткострокове та середньострокове прогнозування optimization GMDH hybrid GMDH-neo-fuzzy network LSTM short- and middle-term forecasting |
| format |
Article |
| author |
Zaychenko, Yuriy Zaichenko, Helen Kuzmenko, Oleksii |
| author_facet |
Zaychenko, Yuriy Zaichenko, Helen Kuzmenko, Oleksii |
| author_sort |
Zaychenko, Yuriy |
| title |
Дослідження методів обчислювального інтелекту у прогнозуванні на фінансових ринках |
| title_short |
Дослідження методів обчислювального інтелекту у прогнозуванні на фінансових ринках |
| title_full |
Дослідження методів обчислювального інтелекту у прогнозуванні на фінансових ринках |
| title_fullStr |
Дослідження методів обчислювального інтелекту у прогнозуванні на фінансових ринках |
| title_full_unstemmed |
Дослідження методів обчислювального інтелекту у прогнозуванні на фінансових ринках |
| title_sort |
дослідження методів обчислювального інтелекту у прогнозуванні на фінансових ринках |
| title_alt |
Investigation of computational intelligence methods in forecasting at financial markets |
| description |
The work considers intelligent methods for solving the problem of short- and middle-term forecasting in the financial sphere. LSTM DL networks, GMDH, and hybrid GMDH-neo-fuzzy networks were studied. Neo-fuzzy neurons were chosen as nodes of the hybrid network, which allows to reduce computational costs. The optimal network parameters were found. The synthesis of the optimal structure of hybrid networks was performed. Experimental studies of LSTM, GMDH, and hybrid GMDH-neo-fuzzy networks with optimal parameters for short- and middle-term forecasting have been conducted. The accuracy of the obtained experimental predictions is compared. The forecasting intervals for which the application of the researched artificial intelligence methods is the most expedient have been determined. |
| publisher |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
| publishDate |
2023 |
| url |
http://journal.iasa.kpi.ua/article/view/290368 |
| work_keys_str_mv |
AT zaychenkoyuriy investigationofcomputationalintelligencemethodsinforecastingatfinancialmarkets AT zaichenkohelen investigationofcomputationalintelligencemethodsinforecastingatfinancialmarkets AT kuzmenkooleksii investigationofcomputationalintelligencemethodsinforecastingatfinancialmarkets AT zaychenkoyuriy doslídžennâmetodívobčislûvalʹnogoíntelektuuprognozuvannínafínansovihrinkah AT zaichenkohelen doslídžennâmetodívobčislûvalʹnogoíntelektuuprognozuvannínafínansovihrinkah AT kuzmenkooleksii doslídžennâmetodívobčislûvalʹnogoíntelektuuprognozuvannínafínansovihrinkah |
| first_indexed |
2024-04-08T14:50:33Z |
| last_indexed |
2024-04-08T14:50:33Z |
| _version_ |
1804810500741005312 |