Модели машинного обучения прогнозирования стоимости акций фармацевтических компаний в условиях пандемии Covid-19

Объект исследования – акции фармацевтический компаний.

Предмет исследования – применение различных моделей прогнозирования машинного обучения для акций фармацевтических компаний.

Главной целью исследования является подобрать для каждой акций компании оптимальный метод машинного обучения и изучить особенности влияния коронавируса на их котировки.

Работа актуальна, поскольку события коронавируса произошли недавно, соответственно исследований на эту тему не так много, и они пополняются с каждым днем, эффект же коронавируса оказал влияния на многие аспекты жизни и экономики, поэтому исследование его с разных сторон позволит создать полноценную картину влияния коронавируса на мир. Так же полученные результаты в работе можно использовать при потенциальной попытке инвестировать в фармацевтический рынок или на примере полученных моделей попробовать их применить в другой сектор акций.

Из прошлого пункта выделяется и гипотеза, закономерно, что медикаменты в период пандемии актуальны как никогда и фармацевтические компании получают большой спрос на свою продукцию, а также получают инвестиции в такие разработки как вакцина от коронавируса. Поэтому выдвинем предположение, что коронавирус оказал положительное влияние на акции фармацевтического рынка.

Также выдвинем в рамках исследования следующие задачи:

1. Изучение теоретических основ анализа временных рядов и машинного обучения

2. Эконометрическое моделирование временных рядов

3. Определение наиболее значимых факторов в модели формирования цены на акцию в контексте коронавируса

4. Обучение и прогнозирование показателей фармацевтических акций 

5. Сопоставление полученных моделей и выбор наилучшей по сравнению с другими

6. Определение секторов фармацевтического рынка положительно или отрицательно затронутые коронавирусом.

Для достижения поставленных задач используется эконометрическая методология, в частности: построение регрессий, временных рядов и их анализ, а таже программирование на языке python.

Работа включает в себя введение, 3 главы и заключение. Глава 1 рассматривает изменения, вызванные на фармацевтическом рынке из-за коронавируса, и определяются рассматриваемые для исследования компании. В главе 2 собраны все теоретические основы, которые нужны будут при моделировании временных рядов и их прогнозирование. В главе 3 применяется весь изученный материал на практике и выявляются наиболее оптимальные модели для конкретных выборок, делаются выводы по этим медалям, а также проверяется гипотеза.

Введение 3

Глава 1: Оценка влияния пандемии COVID-19 на фармацевтический рынок 5

1.1 Пандемия коронавируса как историческое событие 5

1.2 Влияние пандемии на фармацевтические компании и их акции 6

1.3 Выбор компаний для исследования 9

Глава 2: Теоретические основы прогнозирования временных рядов методами машинного обучения 13

2.1 Анализ временных рядов 13

2.1.1 Понятие временного ряда и его компоненты 13

2.1.2 Методология Бока-Дженкинса 18

2.1.3 Модели условной гетероскедастичности 20

2.1.4 Выбор оптимальной модели 22

2.2 Методы машинного обучения 24

2.2.1 Принцип работы машинного обучения 24

2.2.2 Модели регрессии временных рядов 26

2.2.3 Модели классификации 27

2.2.4 Ансамблевые методы 28

Глава 3: Моделирование прогнозирования и анализ акций фармацевтических компаний 30

3.1 Применение методов машинного обучения на акции фармацевтических компаний 30

3.1.1 Модели регрессии временных рядов 30

3.1.2 Модели классификации 42

3.1.3 Ансамблевые методы 47

3.2 Анализ полученных результатов 49

3.3 Проверка влияния фактора коронавируса на движение временных рядов 51

Заключение 55

Список литературы 56

Список литературы

1. Артамонов НВ Введение в анализ временных рядов / НВ Артамонов. – Вологда : ВолНЦ Ран, 2021. – 132 с.

2. Магнус Я.Р. Эконометрика: начальный курс / Я.Р. Магнус, П.К. Катышев, А.А. Пересецкий. – Москва : Дело, 2007. – 235-280 с.

3. Носко В.П. Эконометрика: введение в регрессионный анализ временных рядов / В.П. Носко. – Москва : НФПК, 2002. – 1-161 с.

4. Носко В.П. Эконометрика: книга первая / В.П. Носко. – Москва : Дело, 2011. – 307-579 с.

5. Воронина В.В, Теория и практика машинного обучения / В.В, Воронина, А.В. Михеев. – Ульяновск : УлГТУ, 2017. – 13-106 с.

6. Лимановская О.В, Основы машинного обучения / О.В, Лимановская, Т.И. Алферьева. – Екатеринбкрг : Издательство уральского университета, 2020. – 23-50 с.

7. Кантарович Г.Г. Анализ временных рядов / Г.Г. Кантарович // Экономический журнал ВШЭ. – 2002. – № 1. – С. 85-115.

8. Кантарович Г.Г. Анализ временных рядов / Г.Г. Кантарович // Экономический журнал ВШЭ. – 2002. – № 2. – С. 251-271.

9. Емкльянова Е.К. Рынок вакцин против Covid-19 как новый сегмент мирового рынка вакцин / Е.К. Емкльянова, С.В. Пацала, Н.В. Горошко // Вестник. – 2021. – № 5. – С. 178-188.

10. Калинина Н.Н. Аптечный рынок за 9 месяцев 2020 года / Н.Н. Калинина // Фармацевтический рынок. – 2020. – № 10. – С. 10-13.

всего 32 источника