Прогнозирования и анализ метрик ликвидности финансовых рынков на основе анализа временных рядов

Добрый день! Уважаемые студенты, Вашему вниманию представляется курсовая работа на тему: « Прогнозирования и анализ метрик ликвидности финансовых рынков на основе анализа временных рядов»

Оригинальность работы 89%

Аннотация

Когда мы решаем окунуться в мир биржевых торгов, то для сохранения и преумножения нашего капитала очень важно учитывать ликвидность рынка, на котором мы собираемся проводить операции. Почему? Во-первых, чем более ликвиден рынок, тем меньше риск для нашего капитала, поскольку для каждого актива всегда найдутся люди, готовые его купить или продать. Во-вторых, чем более ликвиден рынок, тем он привлекательнее для участников, что всегда будет способствовать открытию различных сделок в зависимости от наших интересов. Прогнозирование рыночной ликвидности считается чрезвычайно важной задачей и требует большого внимания. Это серьезная проблема из-за огромного количества постоянно обновляющихся данных и поэтому прогнозирование становится сложной задачей для инвесторов, вкладывающих деньги с целью получения прибыли.

When we decide to dive into the world of stock trading, it is very important to consider the liquidity of the market in which we are going to conduct operations in order to preserve and increase our capital. Why is that? First, because the more liquid the market is, the less risk our capital is exposed to, since for every asset there will always be people willing to buy or sell it. Secondly, the more liquid the market is, the more attractive it is for participants, which will always facilitate the opening of various transactions depending on our interests. Forecasting market liquidity is considered an extremely important task and requires a lot of attention. This is a serious problem due to the huge amount of data constantly updated and thus forecasting becomes a difficult task for investors investing money for profit.

Содержание

Аннотация ..................................................................................................................

1

1

Введение ...............................................................................................................

3

2

Цель и задачи проекта ......................................................................................

3

3

Планируемые результаты ................................................................................

4

4

Обзор литературы ..............................................................................................

4

5

Выбор метода решения .....................................................................................

4

6

План выполнения проекта ..............................................................................

5

6.1

Описание входных данных .......................................................................

5

6.2

Метрики качества .......................................................................................

7

6.3

Создание признаков для проведения экспериментов ..........................

8

6.4

Модель LSTM ............................................................................................

14

6.5

Добавление механизма внимания..........................................................

15

6.6

Стоимость ликвидности ..........................................................................

16

7

Заключение ......................................................................................................

21

8

Дальнейшие шаги ...........................................................................................

21

Список литературы ................................................................................................

22

Список литературы

[1] Gordon Ritter. Machine learning for trading // SSRN Electronic Journal, January 2017.

[2] Dattatray P. Gandhmal, K. Kumar. Systematic analysis and review of stock market prediction techniques // Computer Science Review 34:100190, November 2019.

[3] Mojtaba Nabipour, Pooyan Nayyeri, Hamed Jabani, Amir Mosavi. Deep learning for stock market prediction // CC BY 4.0, March 2020.

[4] Anurag Sinha. Stock market prediction using machine learning // International Journal of Artificial Intelligence and Machine Learning, October 2020.

[5] Harshit Agarwal, Gaurav Jariwala, Akshit Shah. Analysis and prediction of stock market trends using deep learning // Proceedings of First International Conference on Computing, Communications, and Cyber-Security (IC4S 2019), January 2020.

[6] Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Lukasz Kaiser, Illia Polosukhin. Attention is All You Need // NIPS, December 2017.

[7] Xuan Zhang, Xun Liang, Aakas Zhiyuli, Shusen Zhang, Rui Xu, Bo Wu. AT-LSTM: An Attention-based LSTM Model for Financial Time Series Prediction // IOP Conference Series Materials Science and Engineering 569:052037, August 2019.

[8] Anil Bangia, Francis X. Diebold, Til Schuermann, John D. Stroughair. Modeling Liquidity Risk With Implications for Traditional Market Risk Measurement and Management // NYU Working Paper No. FIN-99-062, November 1998.

[9] Yu Tian. Market Liquidity Risk and Market Risk Measurement // Monash University, June 2009.

8            Дальнейшие шаги

По нашему мнению, нейронные сети с долгой краткосрочной памятью, включая вариацию с использованием слоя внимания, являются наиболее перспективной областью для дальнейших исследований по обработке временных рядов в области финансов. Также мы считаем, что в будущем следуем провести более подробные и глубокие исследования по, во-первых, прогнозированию стоимости ликвидности в нашей или видоизмененной интерпретации и, во-вторых, по практическому использованию данной метрики в качестве финансового индикатора для торгов на фондовых рынках.