Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://earchive.tpu.ru/handle/11683/75519
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Крицкий, Олег Леонидович | ru |
dc.contributor.author | Родюкевич, Евгений Сергеевич | ru |
dc.date.accessioned | 2023-06-08T03:07:08Z | - |
dc.date.available | 2023-06-08T03:07:08Z | - |
dc.date.issued | 2023 | - |
dc.identifier.citation | Родюкевич Е. С. Использование глубоких моделей нейросетей для определения направления будущего движения рисковых компонент портфеля активов : бакалаврская работа / Е. С. Родюкевич ; Национальный исследовательский Томский политехнический университет (ТПУ), Инженерная школа ядерных технологий (ИЯТШ), Отделение экспериментальной физики (ОЭФ) ; науч. рук. О. Л. Крицкий. — Томск, 2023. | - |
dc.identifier.uri | http://earchive.tpu.ru/handle/11683/75519 | - |
dc.description.abstract | Выбраны индикаторы технического анализа для прогнозирования направления рисковых компонент портфеля активов. Рассмотрен набор индикаторов технического анализа, используемых в качестве объясняющих переменных в современной литературе и на специализированных торговых сайтах. В качестве модели использовались глубокие нейронные сети. | ru |
dc.description.abstract | Technical analysis indicators were chosen to predict the direction of the risky components of the asset portfolio. A set of technical analysis indicators used as explanatory variables in modern literature and on specialized trading websites is considered. Deep neural networks were used as a model. | en |
dc.format.mimetype | application/pdf | - |
dc.language.iso | ru | en |
dc.rights | info:eu-repo/semantics/openAccess | - |
dc.subject | технические индикаторы | ru |
dc.subject | нейронные сети | ru |
dc.subject | сеть долгой краткосрочной памяти | ru |
dc.subject | сеть управляемого рекуррентного блока | ru |
dc.subject | криптовалюта | ru |
dc.subject | technical indicators | en |
dc.subject | neural networks | en |
dc.subject | long short term memory network | en |
dc.subject | recurrent block control network | en |
dc.subject | cryptocurrency | en |
dc.title | Использование глубоких моделей нейросетей для определения направления будущего движения рисковых компонент портфеля активов | ru |
dc.type | Students work | - |
local.department | Национальный исследовательский Томский политехнический университет (ТПУ)::Инженерная школа ядерных технологий (ИЯТШ)::Отделение экспериментальной физики (ОЭФ) | - |
local.institut | 7863 | - |
local.localtype | Студенческая работа | - |
dc.subject.oksvnk | 01.03.02 | - |
local.thesis.level | Бакалавр | ru |
local.thesis.discipline | Прикладная математика и информатика | - |
local.local-vkr-id | 1274852 | - |
local.vkr-id | 53190 | - |
local.stud-group | 0В91 | - |
local.lichnost-id | 170170 | - |
local.thesis.level-id | 1 | - |
local.tutor-lichnost-id | 58633 | - |
dc.subject.udc | 004.421.2.032.26:005.334:336.763 | - |
Располагается в коллекциях: | Выпускные квалификационные работы (ВКР) |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
TPU1462267.pdf | 1,93 MB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.