Analiza danych finansowych za pomocą narzędzi uczenia maszynowego

Abstract

Praca skupia się na analizie historycznych notowań akcji pod kątem wykrywania anomalii. We wstępie zostało przybliżone wykorzystanie przetwarzania danych w obrębie finansów i giełdy. Następnie opisany został problem występowania anomalii oraz jego odniesienie do rynku akcji. Kluczową częścią pracy są rozdziały opisujące dwie z powodzeniem wykorzystane metody detekcji anomalii w seriach czasowych: algorytm Isolation Forest oraz autoenkoder LSTM. Omówione zostały najważniejsze użyte techniki oraz zaprezentowane poszczególne kroki wykonane podczas analizy zbioru danych wraz wizualizacją ich rezultatów.