прогнозування

MODELS FOR TIME SERIES FORECASTING USING ARIMA AND LSTM IN ECONOMICS AND FINANCE

Time series forecasting is a crucial task in economics, business, and finance. Traditionally, forecasting methods such as autoregression (AR), moving average (MA), exponential smoothing (SES), and, most commonly, the autoregressive integrated moving average (ARIMA) model are used. The ARIMA model has demonstrated high accuracy in predicting future time series values. With the advancement of computational power and deep learning algorithms, new approaches to forecasting have emerged.

The role of functional activation in neural networks in the context of financial time series analysis

Nowadays, neural networks are among the most popular analysis tools.  They are effective in solving classification, pattern recognition, and clustering problems.  This paper provides a detailed description and analysis of the operational principles of two neural networks, namely a Siamese network and a multilayer perceptron.  A model for using these neural networks in time series forecasting is proposed.  As an example, a web application was created in which the described neural networks were used to analyze the correlation between pairs of financial assets and assess t

Застосування рекурентних нейронних мереж для покращення процесу планування scrum-спринтів

У дослідженні обґрунтовано доцільність використання технології машинного навчання для вдосконалення процесу планування ітерацій в ІТ проєктах, що реалізуються з використанням методології Scrum. Постановлено проблему планування продуктивності в командах. Сформовано предмет і обʼєкт дослідження. Описано очікувану наукову новизну та практичну значущість результатів дослідження. Розглянуто комплекс можливих проблем, пов’язаних з плануванням задач в ІТ проєктах, зокрема, точність прогнозування продуктивності команд.

A Comparison of LSTM, GRU, and XGBoost for forecasting Morocco's yield curve

The field of time series forecasting has grown significantly over the past several years and is now highly active.  In numerous application domains, deep neural networks are exact and powerful.  They are among the most popular machine learning techniques for resolving big data issues because of these factors.  Historically, there have been numerous methods for accurately predicting the subsequent change in time series data.  The time series forecasting problem and its mathematical underpinnings are first articulated in this study.  Following that, a description of the m

MODELING AND FORECASTING OF THE STATE OF THE ENVIRONMENT IN THE WASTE MANAGEMENT AND MANAGEMENT SYSTEM CONSUMPTION OF KREMENCHUK URBAN TERRITORIAL COMMUNITY IN WARTIM

We consider waste management and management as an area of ​​ecological safety. As a result of the study, the ecological aspects of this branch of activity were analyzed on the example of the operation of the operating MSW landfill in the city of Kremenchuk. The prospective direction of the field of waste management in the region, as well as the state of its financing, are taken into account. Such dangerous factors in the operation of the municipal landfill for the environment as: pollution of groundwater and open dumps of the landfill have been identified.

Інформаційна система прогнозування продажів будівельних матеріалів

Мета виконання роботи – аналіз особливостей проєктування та розроблення інформаційної системи. Об’єкт дослідження – процес системи прогнозування продажів будівельних матеріалів. Предмет дослідження – методи та  засоби процесу прогнозування продажів асортименту будівельних матеріалів.

Прогнозування показників сталого розвитку України

Запропоновано підходи та показники до оцінювання ефективності державного регулювання сталого розвитку. Досліджено показники сталого розвитку України відповідно до світових рейтингів. Здійснено прогнозування показників сталого розвитку на наступні три роки. Визначено вплив кожного окремого показника на сталий розвиток України. Наведено два сценарії сталого розвитку країни: оптимістичний (позитивні зрушення у намічених тенденціях, покращення ситуації), песимістичний (відсутність суттєвих змін у соціально-економічному житті держави, інерційне продовження існуючих тенденцій).

Exponential smoothing constant determination to minimize the forecast error

One of the fundamental issues in exponential smoothing is to determine the smoothing constants.  Researchers usually use the determination available in the statistical software.  However, the result may not able to minimize the forecast error.  For this study, the optimal values of smoothing constant are based on minimizing the forecast errors, mean absolute percentage error (MAPE) and root mean squared error (RMSE).  The double exponential smoothing method or Holt's method is chosen where two constant values must identify specifically the level and trend estimate, respectively.  The real d

Інформаційна технологія для прогнозування часових рядів методом синтезу прогнозної схеми

Розроблено інформаційну технологію прогнозування на підставі часових рядів. З'ясовано, що актуальною є розробка нових моделей і методів прогнозування для покращення якості прогнозу. В основу інформаційної технології покладено еволюційний метод синтезу прогнозної схеми на підставі базових прогнозних моделей. Обраний метод дає змогу вносити в розгляд будь-яку кількість прогнозних моделей, які можуть належати до різних класів. Для заданого часового ряду, шляхом знаходження розв'язку оптимізаційної задачі, обчислено вагові коефіцієнти, з якими моделі входять в результуючу прогнозну схему.

Архітектура інформаційної системи інтеграції та формування контенту про криптовалюти на основі аналізу діяльності бірж

Досліджені процеси аналізу, інтеграції та формування контенту з врахуванням криптовалютних потреб користувача. Використовуючи розроблену формальну модель та проведений критичний аналіз методів і технологій прогнозу курсу криптовалюти, побудовано загальну архітектуру системи опрацювання контенту з різних криптовалютних бірж. Досліджено методи, моделі та інструменти для удосконалення ефективнішої підтримки розроблення структурних елементів моделі системи підтримки прийняття рішень з керування контентом згідно з потребами користувача.