Neurális hálózatok szerepe a részvénypiaci volatilitás előrejelzésében
Elmentve itt :
| Szerző: | |
|---|---|
| További közreműködők: | |
| Dokumentumtípus: | Diplomadolgozat |
| Kulcsszavak: | gépi tanulási modellek lineáris modell neurális hálózatok részvénypiac volatilitás |
| Online Access: | http://dolgozattar.uni-bge.hu/58804 |
| Kivonat: | A szakdolgozat a részvénypiaci volatilitás előrejelzésének kérdéseit vizsgálja a mélytanulási modellek alkalmazásával. A hagyományos, statisztikai alapú modellek (például a GARCH) mellett a szakdolgozat különös figyelmet szentel a neurális hálózatokra, ezen belül az LSTM és GRU modellekre. A kutatás során bemutatom a modellek kódolásának menetét pythonban, elemzem a modellek pontosságát, kitérek a hibrid modellezési eljárásokra, a piaci rezsimek változásainak kezelése, valamint lehetséges jövőbeli kutatási irányokra. A cél az, hogy átfogó képet adjak a modern gépi tanulási modellek lehetséges alkalmazásáról a pénzügyi piaci folyamatok során. |
|---|