Прогнозування інвестиційної привабливості засобами штучного інтелекту

Abstract

Магістерська кваліфікаційна робота виконана студентом групи КНСШ-11 Славою Любомиром Любомировичем. Тема «Прогнозування інвестиційної привабливості засобами штучного інтелекту». Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Метою дипломної роботи є створення та розробка програмного середовища, максимально наближеного до реального та порівняння в ньому ефективність використання рекурентних нейронних мереж різних структур та алгоритмів для розв’язування задачі про багаторукого бандита, а саме: випадкового, жадібного, епсилон-жадібного, оптимістичного, верхньої межі довіри. Об’єктом дослідження є рекурентні моделі та задача про багаторукого бандита в області інвестицій. В результаті виконання дипломної роботи було проаналізовано ефективність використання рекурентних нейронних мереж та алгоритмів для розв’язування задачі про багаторукого бандита та доцільність їхнього використання в області інвестицій. Кількість сторінок – 82. Кількість таблиць – 5. Кількість рисунків – 56. Кількість джерел літератури – 21. Master's Qualification Work completed by the student of the group CNSH-11. Slava Liubomyr Liubomyrovych. The topic is "Forecasting Investment Attractiveness Using Artificial Intelligence Tools." The work is aimed at obtaining a master's degree in the specialty 122 "Computer Science." The goal of the thesis is to create and develop a software environment that is as close to real as possible and to compare the effectiveness of using recurrent neural networks of different structures and algorithms to solve the multi-armed bandit problem. Specifically, the random, greedy, epsilon-greedy, optimistic, and upper confidence bound algorithms are considered. The object of the research is recurrent models and the multi-armed bandit problem in the field of investments. As a result of the thesis, the effectiveness of using recurrent neural networks and algorithms to solve the multi-armed bandit problem was analyzed, and the feasibility of their use in the field of investments was assessed. Number of pages - 82. Number of tables - 5. Number of figures - 56. Number of literature sources - 21.