Використання методів навчання з підкріпленням для балансування інвестиційних портфелів

Simple item page
dc.contributor.advisorОлецький, Олексійuk_UA
dc.contributor.authorРуденко, Владислав uk_UA
dc.date.accessioned2026-08-27T08:39:59Z
dc.date.available2026-08-27T08:39:59Z
dc.date.issued2026
dc.description.abstractМагістерську роботу присвячено порівнянню методів глибинного навчання з підкріпленням і статичних політик для ребалансування криптовалютного портфеля. Задачу формалізовано як Марковський процес прийняття рішень із дотриманням принципу часової причинності, з урахуванням трансакційних витрат і проковзування. Наукова новизна полягає у застосуванні інформаційно керованих барів М. Лопеса де Прадо [1] як простору спостережень агента на додачу до традиційних часових барів. Експерименти виконуються на даних Binance Spot [2] за 2017–2026 рр. в єдиному середовищі історичного тестування. Об’єкт дослідження: процес ребалансування інвестиційного портфеля на криптовалютному ринку. Предмет дослідження: ефективність RL-агентів і статичних політик у різних просторах спостережень. Мета дослідження: порівняти RL-агентів зі статичними політиками та перевірити, чи покращують інформаційно керовані бари якість ребалансування порівняно з часовими барамиuk_UA
dc.identifier.urihttps://ekmair.ukma.edu.ua/handle/123456789/40990
dc.language.isoukuk_UA
dc.statusfirst publisheduk_UA
dc.subjectнавчання з підкріпленнямuk_UA
dc.subjectребалансування портфеляuk_UA
dc.subjectінформаційно керовані бариuk_UA
dc.subjectЛопес де Прадоuk_UA
dc.subjectPPOen_US
dc.subjectстатичні політикиuk_UA
dc.subjectBinance Spoten_US
dc.subjectмагістерська роботаuk_UA
dc.titleВикористання методів навчання з підкріпленням для балансування інвестиційних портфелівuk_UA
dc.typeOtheruk_UA
Files
Original bundle
Now showing 1 - 2 of 2
Thumbnail Image
Name:
Rudenko_Mahisterska_robota.pdf
Size:
1.65 MB
Format:
Adobe Portable Document Format
Download
Thumbnail Image
Name:
Rudenko_Mahisterska_robota_1.pdf
Size:
243.03 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
F3 Комп'ютерні науки