124 Системний аналіз
Permanent URI for this collection
Browse
Recent Submissions
Item Триноміальні моделі фінансового ринку: обчислення справедливої ціни(2021) Паук, Вікторія; Щестюк, НаталіяМетою роботи є побудова триноміальної моделі фінансового ринку за реальними даними. В першому розділі ми порівнюємо загалом чим відрізняється біноміальна та триноміальна моделі. В другому розділі детальніше розглянемо біноміальну модель та наведемо формули для розрахунку справедливої ціни, а також ознайомимось з підходом зворотнього обходу дерева. В третьому розділі розглянемо триноміальні дерева та на базі другого розділу наведемо формули для розрахунку опціону. Ця робота буде корисна як з теоретичної точки зору, так і може стати в нагоді для інвесторів.Item Розробка сервісу для пошуку та збереження документів для навчального закладу(2021) Картавий, МиколаМета дослідження: розробити систему для збереження великої кількості документів та їх швидкого пошуку, редагування та контролю доступу для перегляду, також інструмент для адміністратора, що дозволить аналізувати та створювати звітність на основі даних. Що було зроблено: ми розглянули технології, що підуть в основу системи для реалізації нашої задачі, обрали ту, котра краще задовольняє наші потреби, протестували швидкість роботи та підбили підсумки. Дані для тестування системи: Дані, котрі використовуються для тестування системи – набір різних типів документів у кількості 8000 (вісім тисяч).Item Механізми алготрейдингу криптоактивами зі штучним інтелектом(2021) Чумак, Віталій; Невмержицький, ЄвгенУ цій роботі описуються способи аналізу ринку для вдалого трейдингу. Робота присвячена дослідженню відносно нової галузі – блокчейну та криптовалютам, вивченню поняття трейдингу та способам досягання успіху в цій справі. До уваги беруться автоматизовані способи аналізу ринку, алгоритми вивчення та передбачення ціни на криптовалюту, для прикладу розглядається біткоїн. В роботі було описано, реалізовано та протестовано два алгоритми прогнозування курсу біткоїна: перша – модель, яка будує передбачення на основі новин, для цього було використано сервіс OpenBlender, який надає можливість зв’язати зміну курсу зі світовими новинами, які потім розбиваються на дві підгрупи: позитивні (курс пішов вгору), негативні (курс не піднімався); другий – 4-шарова нейронна мережа формату LSTM з використанням TensorFlow, в якій інформація про валюту зберігається у вигляді послідовностей, на основі яких і робляться прогнози. Результати першого алгоритму – дні, коли алгоритм "вгадав" (передбачив) підйом курсу та відсоток точності такого пронозу. Результати другого – прогнози на тестовій вибірці, яка була відсічена від загальної у ході побудови, візуальне відображення – графіки ціни, яку передбачала мережа та справжньої ціни для порівняння. Один з алгоритмів було використано для трейдингу валютою Dogecoin, яка дуже залежить від новин, особливо твітів (меседжі в соціальній мережі Twitter), результатом став приріст початкових вкладів на 132%.