Гібридна система детекції аномалій на фінансових ринках на основі комбінованого аналізу кількісних та текстових даних
Year: 2026
Type: dissertation
Abstract: Дипломна робота: 101 с., 10 табл., 28 рис., 2 додатки, 25 джерел. Об'єкт дослідження – процес виявлення аномальних коливань на фінансових ринках та їх контекстуальна верифікація. Предмет дослідження – методи статистичного аналізу часових рядів (Zscore, EWMA, CUSUM), алгоритми машинного навчання без нагляду (Isolation Forest), трансформерна модель сентиментального аналізу фінансових текстів (FinBERT), методи прогнозування часових рядів (ARIMAX, CNN-LSTM), а також застосування великої мовної моделі Gemini для генерації пояснень аномалій. Мета роботи – розробка та реалізація гібридної чотирирівневої системи детекції аномалій на фінансових ринках шляхом поєднання кількісного аналізу часових рядів із текстовою верифікацією на основі новинних джерел. У роботі реалізовано систему що поєднує статистичні детектори та Isolation Forest для кількісної детекції, FinBERT із новинними заголовками GDELT API для текстової верифікації, моделі ARIMAX та CNN-LSTM для прогнозування, та Gemini API для генерації пояснень. Результати представлено у вигляді інтерактивного веб-дашборду на базі Streamlit. Шляхи подальшого розвитку – розширення переліку активів, інтеграція з потоками ринкових даних у реальному часі, донавчання FinBERT на доменно-специфічних фінансових текстах, а також дослідження альтернативних методів агрегації сигналів детекторів.
Author: Сухарева, Світлана Володимирівна
Language: Ukrainian
Field: Decision Sciences
Domain: Social Sciences
Open Access status: green
OpenAlex ID: W7202426461