Deep Learning Approach for Short-Term Forecasting Trend Movement of Stock Indeces

Derbentsev, Vasily; Bezkorovainyi, Vitalii; Silchenko, Marina; Hrabariev, Andrii; Pomazun, Oksana

doi:10.1109/picst54195.2021.9772235

Cited by 4 publications

(4 citation statements)

References 24 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…He found that among these four algorithms, GRU performed the best with an accuracy of 89.0%. Derbentsev et al (Derbentsev et al, 2020) also explored the performance of four ML algorithms (Logistic Regression, Support Vector Machine, Fullyconnected NN, and CNN) for SA on IMDb dataset. They used two pre-trained word embeddings GloVe and Word2vec with different dimensions (100 and 300) as well as TF-IDF representation.…”

Section: Related Workmentioning

confidence: 99%

“…Therefore, the combination of convolutional and recurrent layers in the model turns out to be effective in many applied problem such as simulation of various natural processes, image processing, time series forecasting, and different NLP tasks (Chen and Wang, 2018;Derbentsev et al, 2021;Islam et al, 2020;Khan et al, 2022;Rasool et al, 2021;Shang et al, 2020).…”

Section: Cnn+lstm Modelmentioning

confidence: 99%

See 1 more Smart Citation

Proceedings of 10th International Conference on Monitoring, Modeling & Management of Emergent Economy

2022

View full text Add to dashboard Cite

The movement of Ukrainian guest workers in the direction of Poland until 2019 was predominantly transnational in nature, as there was a constant movement of labor migrants between the national spaces of Ukraine and Poland with financial participation in the economies of the two countries at the same time. This fact is confirmed by the results of empirical sociological researches conducted by the Ukrainian Institute of the Future, the Cedos analytical agency, the Personnel Service employment agency, the Gremi Personal, and the statistical data of the International Organization for Migration, the State Migration Service of Ukraine, the State Statistics Service of Ukraine, the Ministry of Family and Social Development of Poland. However, the trends changed dramatically due to the global COVID-19 epidemic, later in 2022 with the outbreak of the war in Ukraine. The desire for temporary, pendulum labor mobility gave way to the desire to leave Ukraine forever and settle abroad with the whole family. A new migration trend may be associated with the movement to Poland of Ukrainian men who come after the end of the war to reunite with their families, who were moved there earlier since the beginning of hostilities in Ukraine.

show abstract

Section: Related Workmentioning

confidence: 99%

Section: Cnn+lstm Modelmentioning

confidence: 99%

Proceedings of 10th International Conference on Monitoring, Modeling & Management of Emergent Economy

2022

View full text Add to dashboard Cite

show abstract

“…Thus, our bibliometric analysis has shown that neural network modeling of the processes of recognizing linguistic markers of the categories of sense and absurdity in the context of working with false data is based on NLP [V. Derbentsev et al, 2023]. An important task of the latter is sentiment analysis, which is mostly studied using Deep learning (hereinafter -DL) models.…”

Section: Introduction the Full-scale Invasion Ofmentioning

confidence: 99%

Особливості Нейромережевого Моделювання Процесів Розпізнавання Лінгвістичних Маркерів Категорій Смислу Та Абсурду В Контексті Роботи З Неправдивими Даними

ДОВГАНЬ

2023

humanities

View full text Add to dashboard Cite

Повномасштабне вторгнення російської федерації на територію України мало цілу низку наслідків геополітичної і внутрішньодержавної природи. Одним з проявів таких наслідків обох вищезазначених рівнів стала зміна сучасного інформаційного середовища під впливом актуалізації численних російських наративів. Закономірно, що наслідком функціонування таких неправдивих даних має стати ослаблення, вразливість українців до маніпуляцій, дезінформації тощо. Останні репрезентовано у особливостях актуалізації вищезазначених даних з неправдивою, гіперболізованою, перекрученою тощо інформацією. Це, своєю чергою, зумовлює актуальність та нагальність проблеми їх побутування в контексті російської дезинформації, мізінформації пропаганди та фейків (а також дипфейків), а також вироблення інструментарію для їх аналізу задля попередження їх деструктивного впливу. Йдеться про природу мовної полісистеми та Natural Language Processing (далі – NLP) як інструменти для обробки мовних даних з метою подальшого використання у процесі Machine Learning (далі – ML) та аналізу за допомогою штучної нейронної мережі. Це векторизація, токенізація, лематизація, мовленнєвий інтерфейс (Google Assistant та інші), автоматичний переклад (Google Translate, Reverso, DeepL тощо) та інші напрями. Природно, що вищезазначене дослідження набуває особливої актуальності ще й у контексті означеної гібридної природи російсько-української війни, в межах якої у медіапросторі (інтернет-дискурсі) функціонують цілі грона фейкових, викривлених, власне неправдивих та інших даних. Саме тому у своєму дослідження ми проаналізуємо основні питання дотичні до проблеми методологічних особливостей нейромережевого моделювання процесів розпізнавання мовних маркері категорій смислу й абсурду, звернувши увагу на їх природу, взаємовплив і взаємозумовленість, першорядність та соціокультурну значущість для українського суспільства. Окрім того, нами буде розглянуто специфіку вищезазначеного процесу в контексті роботи з неправдивими даними (дезінформацією), а також вплив останніх на його перебіг.

show abstract

“…Аналіз останніх досліджень і публікацій. Проблематиці математичних методів та інформаційних технологій, а саме: методів теорії нечіткої логіки та індуктивного моделювання, підходів до лінгвістичних термів і формування множин нечітких знань для розв'язання задач вибору й ухвалення рішень у банківській сфері -присвятили за останні роки дослідження такі науковці: B. S. Ahn [1], Ashish K. Srivastava [6], A. Н. Báez [2], М. Р. Баранюк [3; 4], V. Bezkorovainyi [5], S. S. Cho [1], B. H. Debrayan [2], V. Derbentsev [5], A. Hrabariev [3; 4; 5], C. Y. Kim [1], S. Kumar [6], Manish K. Srivastava [6], O. Pomazun [5], M. Silchenko [5], R. Singh [6], А. В. Матвійчук [7], О. П. Мозгаллі [8]. Утім лишається недостатньо дослідженими ситуації, які неможливо розв'язати за допомогою апарату булевої логіки, зокрема, нейромережеві, нечіткі алгоритми, які тотожні великій групі завдань банківської діяльності.…”

unclassified

Mathematical Methods and Information Technologies in Banking

Hrabarev,

Mozgalli,

Baraniuk

2024

SNOAE

View full text Add to dashboard Cite

The article explores decision-making information technologies in the banking sector utilizing mathematical methods. It delves into the optimal management decision-making tasks and presents a classification of decision support methods used within the banking industry. The study considers methods from fuzzy logic theory and inductive modeling, along with approaches to linguistic terms and the creation of fuzzy knowledge sets for decision-making and choice problems in banking. To simplify complex decision-making problems, strategies such as problem decomposition into simpler subsets, altering the model’s structural hierarchy, aggregation, and identifying reference situations with predetermined solutions are employed. A fuzzy model of the subject matter is developed, focusing on the phasization of variables–identifying linguistic assessments of variables and the membership functions necessary for their formalization. The introduction of rule weights in the fuzzy knowledge base reflects varying levels of confidence in the data, emphasizing the expert’s trust in each selected rule for decision-making. The formation of a general fuzzy knowledge base is detailed. The study validates the efficiency of utilizing neural network learning methods to adjust the parameters of a fuzzy model based on real data. This approach automates the process, significantly reducing both development time and costs while optimizing system parameters. This feature is particularly critical for economic problem-solving, notably in banking support activities, where the rapid pace of changes necessitates constant adaptation of membership functions to the dynamic conditions of the banking system.

show abstract

Deep Learning Approach for Short-Term Forecasting Trend Movement of Stock Indeces

Cited by 4 publications

References 24 publications

Proceedings of 10th International Conference on Monitoring, Modeling & Management of Emergent Economy

Proceedings of 10th International Conference on Monitoring, Modeling & Management of Emergent Economy

Особливості Нейромережевого Моделювання Процесів Розпізнавання Лінгвістичних Маркерів Категорій Смислу Та Абсурду В Контексті Роботи З Неправдивими Даними

Mathematical Methods and Information Technologies in Banking

Contact Info

Product

Resources

About