Физико-математические науки
Использование методов машинного обучения для создания биржевого робота / Using the machine learning techniques for the creation of trading robot
- Категория: 01.00.00 Физико-математические науки
- Создано: 14.06.2016, 17:25
- Просмотров: 810
Бросалин Дмитрий Сергеевич / Brosalin Dmitriy Sergeevich – студент, факультет кибернетики и информационной безопасности, Национальный исследовательский ядерный университет, Московский инженерно-физический институт, г. Москва
Аннотация: в данной исследовательской работе рассматриваются математические и статистические методы для задач прогнозирования и ведения электронных торгов на бирже. Анализируются существующие модели машинного обучения для задач прогнозирования. Оценивается их точность на реальных примерах задач. Приводятся как математические выкладки, так и примеры программного кода.
Abstract: in that research work there are reviews on mathematical and statistical methods for predictions and online trading. Existing machine learning models for forecasting were analyzed and their accuracy was measured. There are both mathematical calculations and examples of programming code in that work.
Ключевые слова: машинное обучение, математика, линейная алгебра, статистика, временные ряды, биржевой робот, математическая модель, ARMA, ARIMA, AR, MA, метод наименьших квадратов, МНК, python, scikitlearn, pandas, numpy.
Keywords: machine learning, mathematics, linear algebra, statistics, time series, trading robot, mathematical models, ARMA, ARIMA, AR, MA, mean squared error, MSQ, python, scikitlearn, pandas, numpy.
Литература
- UCIrvineMachineLearningRepository [Электронный ресурс]. – Режим доступа: https://archive.ics.uci.edu/ml/machine-learning-databases/wine/wine.data (дата обращения: 20.05.2016).
- AnIntroductiontoStatisticalLearning[Электронный ресурс]. – Режим доступа: http://www-bcf.usc.edu/~gareth/ISL/data.html (дата обращения: 17.05.2016).
- Бриллинджер Д. Временные ряды. Обработка данных и теория. М.: Мир,
- Андерсон Т. Статистический анализ временных рядов. М.: Мир,
- Швагер Джек. Технический анализ. Полный курс. М.: Альпина Паблишер, 2001. 768 с.
- Флах П. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных / пер. с англ. А. А. Слинкина. – М.: ДМК Пресс, 2015. 400 с.
- GitHubrepositories [Электронный ресурс]. – Режим доступа: https://github.com/DimasBro0110/Stocs (дата обращения: 8.6.2016).
- GitHubrepositories [Электронный ресурс]. – Режим доступа: https://github.com/DimasBro0110/ForexAnalysis (дата обращения: 8.6.2016).
Поделитесь данной статьей, повысьте свой научный статус в социальных сетях
| Tweet |
