Гнучкі методології управління ризиками в життєвому циклі інтелектуальної системи прогнозування рішень динаміки ринкових акцій

Анотація

У статті досліджено проблему прогнозування динаміки ринкових акцій із використанням сучасних методів машинного навчання. Висока волатильність фінансових ринків і значний рівень невизначеності роблять актуальним застосування автоматизованих інтелектуальних систем для підвищення точності прогнозування та оптимізації інвестиційних стратегій. Запропонована система поєднує моделі машинного навчання Prophet та LSTM (Long Short-Term Memory) для аналізу часових рядів, а також метод Монте-Карло для оцінки ризиків. Розроблено алгоритм збору, очищення та попередньої обробки фінансових даних, що включає отримання історичних курсів акцій з платформи Yahoo Finance, нормалізацію, усунення викидів та формування навчальних вибірок. Архітектура системи складається з модулів збору та обробки даних, побудови прогнозних моделей та оцінки ризиків. Проведено експериментальне дослідження ефективності запропонованих методів на основі реальних фінансових даних. Порівняльний аналіз точності прогнозування показав, що використання LSTM дозволяє досягти середньої точності на рівні 92,4%, тоді як Prophet демонструє точність 88,7%. Оцінка ризиків із застосуванням методу Монте-Карло дозволила визначити ймовірність екстремальних змін вартості активів та їхній вплив на інвестиційний портфель. Отримані результати підтверджують доцільність використання запропонованої системи для прогнозування фінансових ринків. Подальші дослідження зосереджуватимуться на покращенні точності моделей шляхом інтеграції додаткових макроекономічних індикаторів та вдосконаленні адаптивних механізмів налаштування параметрів прогнозування.