Математичне та програмне забезпечення прогнозування фінансових показників компаній на основі методів машинного навчання та моделей штучних нейромереж

Abstract

Кваліфікаційна робота присвячена розробці програмного засобу для прогнозування фінансових показників компаній. Описано специфіку даних, які використовувалися при виконанні дослідження. Докладно проаналізовано поняття попередньої обробки даних для машинного навчання та особливості її використання для методів прогнозування. Здійснено критичний огляд проблеми незбалансованості даних при проведенні інтелектуального аналізу даних та ймовірних шляхів її вирішення. Проаналізовані наявні методи машинного навчання та моделі штучних нейронних мереж. Наведено особливості використання методів та моделей на мові pytnon (із додатковими бібліотеками), приведені параметри налаштування, значення оцінок на збалансованих та незбалансованих даних. Наведено загальну архітектуру програмного засобу для прогнозування. Здійснено аналіз усіх моделей. Проведені експерименти доводять, що для більшості моделей отримані кращі результати для збалансованих даних. Thesis deals with the development of a software tool for forecasting financial indicators of companies. The specifics of the data used in the research are described. The concept of data preprocessing for machine learning and the features of its use for forecasting methods are analyzed in detail. A critical review of the problem of data imbalance during intelligent data analysis and possible ways to solve it was carried out. Existing methods of machine learning and models of artificial neural networks are analyzed. Features of the use of methods and models in the python language (with additional libraries), setting parameters, values of estimates on balanced and unbalanced data are given. The general architecture of the software tool for forecasting is given. All models were analyzed. The conducted experiments prove that for most models better results are obtained for balanced data.