Prediktív modellek és alkalmamazásuk a pénzügyi piacokon
| Main Author: | |
|---|---|
| Other Authors: | |
| Format: | Students’ Scientific Association paper |
| Kulcsszavak: | adatbázis adatsorok elemzése alalpfogalmak ábraelemzés ábrák Excel LSTM Prophet Python |
| Online Access: | http://dolgozattar.uni-bge.hu/60457 |
MARC
| LEADER | 00000nta a2200000 i 4500 | ||
|---|---|---|---|
| 001 | dolg60457 | ||
| 005 | 20260416073730.0 | ||
| 008 | 260416suuuu hu o 000 hun d | ||
| 040 | |a BGE Dolgozattár Repozitórium |b hun | ||
| 041 | |a hu | ||
| 100 | 1 | |a Detki Dávid | |
| 245 | 1 | 0 | |a Prediktív modellek és alkalmamazásuk a pénzügyi piacokon |c Detki Dávid |h [elektronikus dokumentum] |
| 516 | |a Students_Scientific_Association_paper | ||
| 520 | 3 | |a Dolgozatom célja a pénzügyi idősorok előrejelzésében alkalmazható prediktív modellek összehasonlító vizsgálata, különös tekintettel az LSTM (Long Short-Term Memory) és a Prophet modellekre. A kutatás során az Amazon (AMZN) vállalat részvényeinek napi árfolyamadatait használtam az 2019 és 2024 közötti időszakból, amely megfelelő részletességet és időbeli lefedettséget biztosított az előrejelzések megbízható elemzéséhez.A dolgozat bemutatja a modellek működési elvét: az LSTM mélytanulási architektúrája memóriacellákkal és vezérlőkapukkal lehetővé teszi a hosszú távú függőségek felismerését és komplex, nemlineáris mintázatok modellezését, míg a Prophet statisztikai alapú modellként az idősorokat trend-, szezonális és ünnepi komponensekre bontja, ezáltal jól értelmezhető előrejelzéseket biztosít.A kutatás során a modellek futtatásához a Python programozási nyelvet használtam, és a Yahoo Finance Python-bővítményén keresztül gyűjtött adathalmazt előzetesen tisztítottam és formáztam. A prediktív modellek teljesítményét három statisztikai mérőszám segítségével értékeltem: Átlagos Abszolút Százalékos Hiba (MAPE), Négyzetes Középérték Hibája (RMSE) és Átlagos Abszolút Hiba (MAE), amelyek lehetővé tették az előrejelzések pontosságának és megbízhatóságának összehasonlítását.Dolgozatomban, szeretném feltárni, hogy milyen eltérések merülnek a két már említett modell között, illetve, hogy használatuk során milyen nehézségekbe ütközhetek én mint mindennapi felhasználó. Ezen felül, olyan kérdések is felmerülnek a dolgozat során hogy, hogyan befolyásolja az adathalmazokban felmerülő adatok hiánya illetve részletes hiánya az előrejelzések pontosságát. Az eredmények várhatóan hozzájárulnak a pénzügyi előrejelzési módszerek jobb megértéséhez és a prediktív modellek alkalmazhatóságának gyakorlati értékeléséhez. | |
| 695 | |a adatbázis | ||
| 695 | |a adatsorok elemzése | ||
| 695 | |a alalpfogalmak | ||
| 695 | |a ábraelemzés | ||
| 695 | |a ábrák | ||
| 695 | |a Excel | ||
| 695 | |a LSTM | ||
| 695 | |a Prophet | ||
| 695 | |a Python | ||
| 700 | 1 | |a Gáspár Dr. Tamás |e ths | |
| 856 | 4 | 0 | |u http://dolgozattar.uni-bge.hu/60457/1/Predikt%C3%ADv%20modellek%20%C3%A9s%20alkalmaz%C3%A1suk%20a%20p%C3%A9nz%C3%BCgyi%20piacokon.pdf |z Dokumentum-elérés |
| 856 | 4 | 0 | |u http://dolgozattar.uni-bge.hu/60457/2/Predikt%C3%ADv%20modellek%2C%20Absztrakt.docx |z Dokumentum-elérés |
| 856 | 4 | 0 | |u http://dolgozattar.uni-bge.hu/60457/3/DetkiDavid_NGK_CA.pdf |z Dokumentum-elérés |
| 856 | 4 | 0 | |u http://dolgozattar.uni-bge.hu/60457/4/DetkiDavid_NGK_FP.pdf |z Dokumentum-elérés |