IMPROVING THE AI STOCK MARKET FORECASTING WITH CANDLESTICK PATTERNS

ID елемента: 22414
2026/05/05
Властивості
Назва
Англійська
IMPROVING THE AI STOCK MARKET FORECASTING WITH CANDLESTICK PATTERNS
Російська
.
Українська
ПОКРАЩЕННЯ ПРОГНОЗУВАННЯ ФОНДОВОГО РИНКУ ЗА ДОПОМОГОЮ ШТУЧНОГО ІНТЕЛЕКТУ
Опис
Англійська
In the rapidly evolving digital economy, the application of Artificial Intelligence (AI) in financial forecasting has gained significant traction. This study investigates the effect of various candlestick patterns on the performance of Long Short-Term Memory (LSTM) models in predicting stock market movements. Experiments conducted on the stock price history data demonstrate that supplementing traditional input parameters (e.g., open price) with a range of candlestick patterns enhances the predictive accuracy of LSTM models. Although the initial model architecture lacked hyperparameter optimization for solving this kind of task, our findings suggest notable improvement in prediction performance when candlestick pattern flags are incorporated. Future work will focus on incorporating additional financial indicators into the model's training data and fine-tuning it through optimization algorithms to achieve greater robustness and accuracy.
Українська
У швидко розвиваючій цифровій економіці використання штучного інтелекту (ШІ) у фінансовому прогнозуванні набуває значної популярності. Ця робота досліджує вплив різних патернів свічок на ефективність моделей довгострокової пам'яті (LSTM) у прогнозуванні рухів фондового ринку. Експерименти, проведені на історичних даних цін на акції, показують, що доповнення традиційних вхідних параметрів діапазоном моделей свічок підвищує точність прогнозування моделей LSTM. Хоча початковій архітектурі моделі бракувало оптимізації гіперпараметрів для вирішення такого роду завдань, результати дослідження свідчать про помітне покращення ефективності прогнозування, якщо використовувати вектор патернів свічок як вхідний параметр. Подальша робота буде зосереджена на включенні додаткових фінансових показників до навчальних даних моделі та її точному налаштуванні за допомогою алгоритмів оптимізації для досягнення більшої стійкості та точності.
Автор
Англійська
Zakovorotnyi, Oleksandr
Англійська
Ausheva, Nataliia
Англійська
Levchenko, Larysa
Тематика
Англійська
artificial intelligence
Англійська
LSTM model efficiency
Англійська
stock market prediction
Англійська
candlestick patterns
Англійська
improving AI model accuracy
Російська
15
Українська
штучний інтелект
Українська
ефективність моделі LSTM
Українська
прогнозування фондового ринку
Українська
патерни свічок
Українська
підвищення точності моделі ШІ
Видавництво
Українська
Національний університет «Полтавська політехніка імені Юрія Кондратюка»
Тип
info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Українська
Рецензована Стаття
Формат
application/pdf
Ідентифікатор
https://journals.nupp.edu.ua/sunz/article/view/4106
10.26906/SUNZ.2025.4.074
Джерело
Англійська
Control, Navigation and Communication Systems. Academic Journal; Vol. 4 No. 82 (2025): Control, Navigation and Communication Systems; 74-77
Російська
Системы управления, навигации и связи. Сборник научных трудов; Том 4 № 82 (2025): Системи управління, навігації та зв'язку; 74-77
Українська
Системи управління, навігації та зв’язку. Збірник наукових праць; Том 4 № 82 (2025): Системи управління, навігації та зв'язку; 74-77
2073-7394
10.26906/SUNZ.2025.4
2025. №4 (82)
Мова
en
Відношення
https://journals.nupp.edu.ua/sunz/article/view/4106/3436
Права
Українська
Авторське право (c) 2025 Oleksandr Zakovorotnyi, Nataliia Ausheva, Larysa Levchenko
Українська
http://creativecommons.org/licenses/by-nc/4.0
Набори елементів 1
Збірник наукових праць. Системи управління, навігації та зв’язку
20733 423 items
Інформація про метадані
Створено
2026-5-5 11:56
Остання зміна
2026-5-5 11:56
ID елемента
#22414