Кузнецов Р.С., Тумарова Т.Г. ПРОГНОЗИРОВАНИЕ КОТИРОВОК АКЦИЙ ПАО ГАЗПРОМ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ LSTM

Вестник Института экономики № 3/2023. Финансы.

Кузнецов Роман Сергеевич

аспирант ФГБОУ ВО «Санкт-Петербургский государственный экономический университет», Санкт-Петербург, Россия

Тумарова Татьяна Гельцевна

кандидат экономических наук, профессор, директор института магистратуры ФГБОУ ВО «Санкт-Петербургский государственный экономический университет», Санкт-Петербург, Россия

ПРОГНОЗИРОВАНИЕ КОТИРОВОК АКЦИЙ ПАО ГАЗПРОМ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ LSTM

84-98

631

354.65 KB

Текст статьи

Аннотация

Искусственный интеллект и машинное обучение все чаще начинают использоваться в различных сферах экономики и финансов. Развитие технологий и повышение доступности вычислительных мощностей позволяет все шире использовать различные средства программирования. Для многих компаний, занимающихся торговлей акциями и иными деривативами, использование эффективного механизма прогнозирования котировок является важным конкурентным преимуществом, а усилить данное преимущество в настоящее время возможно с использованием моделей нейронных сетей, таких как LSTM. В статье приведены результаты апробирования модели LSTM на базе фактических данных (котировок акций ПАО Газпром на Московской бирже), были спрогнозированы значения котировок и выявлен тренд акций ПАО Газпром на Московской бирже, начиная с сентября 2019 г.

Ключевые слова: фондовая биржа, нейронные сети, LSTM, прогнозирование, акции ПАО Газпром.

УДК: 339.13.01

EDN: RTZFON

DOI: https://doi.org/10.52180/2073-6487_2023_3_84_98

Литература

Alkhatib K., Khazaleh H., Abualigah L. A new stock price forecasting method using active deep learning approach // ELSEVIER. 2022. No. 8. 117–134.
Alzahrani A., Aldhyani H. Framework for predicting and modelling stock market prices based on deep learning algorithms // Electronics. 2022. No. 11. Pp. 15–19.
Anand C. Comparison of stock price prediction models using pre-trained neural networks // Journal of ubiquitous computing and communication technologies (UCCT). 2021. Pp. 122–134.
Banik S., Sharma N., Mangla M. LSTM based decision support system for swing trading in stock market // ELSEVIER. 2022. No. 239. 10–27.
Bathla G., Rani R., Aggarwal H. Stock of year 2020: prediction of high variations in stock prices using LSTM // ELSEVIER. 2022. No. 97. 97–103.
Bhandari H.N., Rimal B., Pokhrel N.R. Predicting stock market index using LSTM // ELSEVIER. 2022. No. 9. Pp. 1–15.
Chandar K. Convolutional neural network for stock trading using technical indicators // ELSEVIER. 2022. No. 39. Pp. 29–35.
Chen Y., Wu J., Wu Z. China’s commercial bank stock price prediction using a novel K-means-LSTM hybrid approach // ELSEVIER. 2022. No. 202. Pp. 103–117.
Dami S., Esterabi M. Predicting stock returns of Tehran exchange using LSTM neural network and feature engineering technique // ELSEVIER. 2021. No. 80. Pp. 1–17.
Ghosh P., Neufeld A., Sahoo J. Forecasting directional movements of stock prices for intraday trading using LSTM and random forest // ELSEVIER. 2022. No. 46. Pp. 47–65.
Gupta A., Kumar Y. Stock market analysis and prediction for Nifty50 using LSTM deep learning approach // International conference of innovative practices in technology and management (ICIPTM). 2022. Pp. 1–2.
Jafari H., Lashgari A., Rabiee E. Cryptocurrency price prediction with Neural Networks of LSTM and Bayesian optimization // European journal of business and management research. 2022. No. 7. Pp. 20–27.
Shah J., Vaidya D., Shah M. A comprehensive review on multiple hybrid deep learning approaches for stock prediction // ELSEVIER. 2022. No. 16. Pp. 1–14.
Soni P., Tewari Y., Krishan D. Machine learning approaches in stock price prediction: a systematic review // Journal of physics: conference series. 2022. No. 2161. Pp. 1–10.
Zaheer S., Anjum N., Algarni A. A multi parameter forecasting for stock time series data using LSTM and deep learning model // Mathematics. 2023. No. 11(3). Pp. 1–24.

Дата поступления рукописи: 22.03.2023 г.

Для цитирования:

Кузнецов Р.С., Тумарова Т.Г. Прогнозирование котировок акций ПАО Газпром с использованием нейронных сетей LSTM // Вестник Института экономики Российской академии наук. 2023. № 3. С. 84-98. https://doi.org/10.52180/2073-6487_2023_3_84_98 EDN: RTZFON

Лицензия Creative Commons 4.0