Вейвлетний аналіз та прогнозування фінансових часових рядів

Abstract

В роботі розглянуто моделі та методи прогнозування фінансових часових рядів. Проаналізовано основні переваги та недоліки традиційних моделей та нейронних мереж для прогнозування без попередньої обробки даних. Застосовано вейвлетний аналіз та рекурентна нейромережа з довгою короткостроковоюпам’яттю (LSTM) для прогнозування курсу криптовалюти. Отримані результати порівнюються з результатами існуючих підходів, визначено ефективність запропоновано рішення.

Models and methods of forecasting financial time series are considered in the work. The main advantages and disadvantages of traditional models and neural networks for forecasting without data preprocessing are analyzed. Wavelet analysis and a recurrent neural network with long short-term memory (LSTM) were applied to predict the exchange rate of cryptocurrency. The obtained results are compared with the results of existing approaches, the efficiency is determined and a solution is proposed.