Сравнительный анализ прогнозных моделей ARIMA и lSTM на примере акций российских компаний
https://doi.org/10.26794/2587-5671-2020-24-1-14-23
Аннотация
Об авторах
А. В. АлжеевРоссия
Андрей Вадимович Алжеев — студент магистратуры Департамента анализа данных, принятия решений и финансовых технологий
Р. А. Кочкаров
Россия
Расул Ахматович Кочкаров — кандидат экономических наук, доцент Департамента анализа данных, принятия решений и финансовых технологий
Список литературы
1. Магнус Я. Р., Катышев П. К., Пересецкий А. А. Эконометрика. Начальный курс. М.: Дело; 2007. 504 с.
2. Schmidhuber J. Habilitation. System modeling and optimization. Postdoctoral thesis. Munich: Technical University of Munich; 1993. 209 p. (In German).
3. Hochreiter S., Schmidhuber J. Long short-term memory. Neural Computation. 1997;9(8):1735–1780. DOI: 10.1162/ neco.1997.9.8.1735
4. Brownlee J. Time series prediction with LSTM recurrent neural networks in Python with Keras. Machine Learning Mastery. 2016. URL: https://machinelearning mastery.com/time-series-prediction-lstm-recurrent-neuralnetworks-python-keras
5. Gers F. A., Schmidhuber J., Cummins F. Learning to forget: Continual prediction with LSTM. Neural Computation. 2000;12(10):2451–2471. DOI: 10.1162/089976600300015015
6. Кратович П. В. Нейронные сети и модели ARIMA для прогнозирования котировок. Программные продукты и системы. 2011;(1):95–98.
7. Garcia F., Guijarro F., Moya I., Oliver J. Estimating returns and conditional volatility: A comparison between the ARMA-GARCH-M models and the backpropagation neural network. International Journal of Complex Systems in Science. 2012;1(2):21–26.
8. Krauss C., Do X. A., Huck N. Deep neural networks, gradient-boosted trees, random forests: Statistical arbitrage on the S&P 500. European Journal of Operational Research. 2017;259(2):689–702. DOI: 10.1016/j.ejor. 2016.10.031
9. Chung J., Lee D., Seo Y., Yoo C. D. Deep attribute networks. NIPS Workshop on Deep Learning and Unsupervised Feature Learning. 2012;3. URL: http://www.eng.uwaterloo.ca/~jbergstr/files/nips_dl_2012/Paper%2011.pdf
10. Fischer T., Krauss C. Deep learning with long short-term memory networks for financial market predictions. European Journal of Operational Research. 2018;270(2):654–669. DOI: 10.1016/j.ejor.2017.11.054
11. Эконометрика. Елисеева И. И., ред. М.: Финансы и статистика; 2006. 576 с.
12. Armstrong J. S., Collopy F. Error measures for generalizing about forecasting methods: Empirical comparisons. International Journal of Forecasting. 1992;8(1):69–80. DOI: 10.1016/0169–2070(92)90008-W
13. Hyndman R. J., Athanasopoulos G. Forecasting: Principles and practice. 2nd ed. Melbourne: OTexts; 2018. 382 p.
Рецензия
Для цитирования:
Алжеев А.В., Кочкаров Р.А. Сравнительный анализ прогнозных моделей ARIMA и lSTM на примере акций российских компаний. Финансы: теория и практика/Finance: Theory and Practice. 2020;24(1):14-23. https://doi.org/10.26794/2587-5671-2020-24-1-14-23
For citation:
Alzheev A.V., Kochkarov R.A. Comparative Analysis of ARIMA and lSTM Predictive Models: Evidence from Russian Stocks. Finance: Theory and Practice. 2020;24(1):14-23. https://doi.org/10.26794/2587-5671-2020-24-1-14-23