Abstract:
Об'єктом дослідження є специфіка побудови та функціонування систем прийняття рішень у сфері фінансового трейдингу на основі методів машинного навчання. Метою роботи є проектування та програмна реалізація автоматизованого інструментарію для аналізу фондового ринку та формування рекомендацій щодо проведення торговельних операцій. Практична значущість полягає у розробці алгоритмічного забезпечення, що інтегрує технічний аналіз та прогнозні моделі Machine Learning для мінімізації суб'єктивних ризиків трейдера. Реалізація програмного комплексу виконана мовою програмування Python у середовищі Jupyter Notebook з використанням бібліотек аналізу даних та машинного навчання (Scikit-learn). Результатом розробки є система, яка в режимі реального часу допомагає користувачу приймати обґрунтовані рішення про купівлю, продаж або утримання активів за допомогою генерованих торгових сигналів. Використання системи дозволяє підвищити точність прогнозування цінової динаміки та оптимізувати стратегію управління інвестиційним портфелем
