Магистерская диссертация на тему "ТЮМГУ | Система прогнозирования финансовых показателей региона"

Работа на тему: Система прогнозирования финансовых показателей региона
Оценка: отлично.
Оригинальность работы на момент публикации 50+% на антиплагиат.ру.
Ниже прилагаю все данные для покупки.
https://studentu24.ru/list/suppliers/Anastasiya1---1326

Описание работы

МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное автономное образовательное учреждение высшего образования
«ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»
ИНСТИТУТ МАТЕМАТИКИ И КОМПЬЮТЕРНЫХ НАУК
Кафедра программной и системной инженерии

РЕКОМЕНДОВАНО К ЗАЩИТЕ В ГЭК

ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА
магистерская диссертация
СИСТЕМА ПРОГНОЗИРОВАНИЯ ФИНАНСОВЫХ ПОКАЗАТЕЛЕЙ РЕГИОНА"

09.04.03 Прикладная информатика
Магистерская программа «Информационные системы анализа данных»

г. Тюмень 2023

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ 3
ГЛАВА 1. СБОР ДАННЫХ 6
1.1 Макроэкономические показатели 6
1.2 Методы сбора данных 7
1.2.1 Парсер PDF-файлов 7
1.2.2 Парсер Excel-файлов 8
1.3 Исходный вид входных данных и полученный набор признаков 9
ГЛАВА 2 ОБАБОТКА И АНАЛИЗ ДАННЫХ 20
2.1 Обработка исходного набора данных 20
2.2 Анализ взаимосвязей входных признаков 23
ГЛАВА 3 ВЫБОР МЕТРИКИ ОЦЕНКИ КАЧЕСТВА МОДЕЛИ 29
ГЛАВА 4 ПОДБОР ГИПЕРПАРАМЕТРОВ ДЛЯ МОДЕЛЕЙ МАШИННОГО ОБУЧЕНИЯ 32
ГЛАВА 5 ВЫБОР И ПОСТРОЕНИЕ МОДЕЛИ 33
5.1. Построение модели случайного леса (RandomForestRegressor) 33
5.1.1. Подбор параметров модели 34
5.1.2. Реализация модели машинного обучения для прогнозирования наличной валюты 35
5.1.3. Реализация модели машинного обучения для прогнозирования показателей долговых ценных бумаг 37
5.2. Построение моделм градиентного бустинга (GradientBoostingRegressor) 41
5.2.1. Подбор параметров модели для прогнозирования наличных средств 41
5.2.2. Реализация модели машинного обучения для прогнозирования наличных средств 42
5.2.3. Подбор параметров модели для прогнозирования показателей долговых ценных бумаг 44
5.2.4. Реализация модели машинного обучения прогнозирования показателей долговых ценных
бумаг 45
5.3. Сравнение моделей 49
ЗАКЛЮЧЕНИЕ 51
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 52

ВВЕДЕНИЕ
Прогнозирование финансовых показателей является одной из ключевых задач в финансовой индустрии, это основа для финансового планирования и бюджетирования, т.е. составления стратегических, текущих и оперативных планов и бюджетов.
Макроэкономические показатели представляют собой сводные, усредненные по экономике в целом показатели объемов производства и потребления, доходов и расходов, структуры, эффективности, уровня благосостояния, экспорта и импорта, темпов экономического роста и др. По своей сути это статистические данные, которые отражают общие тенденции в экономических условиях конкретной страны, региона или сектора экономики. Они оказывают влияние на принятие органами государственной власти решений в политической, социальной, экономической сферах, являются ориентиром для предпринимателей, отдельных граждан, зарубежных партнеров в их хозяйственной деятельности. [14]
В рамках прогнозирования показателей финансового плана применяемые методы разделяют на три группы:
• методы экспертных оценок;
• методы экстраполяции;
• методы экономико-математического моделирования.
Первый метод основан на анализе мнений компетентных специалистов по вопросам динамики финансовых процессов. Проводится в форме специальных процедур анкетирования и интервьюирования. Эксперты должны обладать высокой квалификацией и владеть профессиональными знаниями и навыками в сфере управления финансами.
Второй метод – это распространение на будущее тенденций, которые сложились в ретроспективе. Целесообразность применения метода экстраполяции определяется степенью стабильности или инерционности динамики развития экономической системы. Меньше всего используются финансовые показатели
микроэкономики, которые являются менее инерционными. В свою очередь более стабильными считаются динамика развития финансовых индикаторов на уровне макроэкономики. Обычно данный метод используется в совокупности с другими.
Методы экономико-математического моделирования основываются на построении моделей, которые описывают динамику финансовых показателей относительно воздействующих на финансовые процессы факторов.
Выделяют следующие виды экономико-математического моделирования: корреляционное моделирование; оптимизационное моделирование; многофакторное экономико-математическое моделирование.
Сущность первого вида заключается в определении корреляционной зависимости между двумя исследуемыми показателями в динамике и последующем прогнозировании одного из них относительно изменения другого, принятого за базу.
Традиционные методы прогнозирования, такие как статистические модели и экспертные оценки, имеют свои ограничения и не всегда могут обеспечить высокую точность прогнозов. Одной из проблем традиционных методов прогнозирования является их ограниченность в обработке больших объемов данных. Кроме того, они не всегда учитывают сложные взаимосвязи между различными факторами, которые могут влиять на изменение финансовых показателей. Это может привести к неточным прогнозам и потере денежных средств. Еще одной проблемой является нестабильность финансовых рынков, которая может привести к неожиданным изменениям.
В связи с этим, в последние годы все большее внимание уделяется применению алгоритмов машинного обучения для прогнозирования финансовых показателей.
Целью данной работы является создание модели машинного обучения на основе макроэкономических показателей и взаимодействию с банками физических лиц для прогнозирования таких финансовых активов как:
• наличная валюта;
• долговые ценные бумаги;
Для достижения поставленной цели нужно решить следующие задачи:
• найти и изучить первичные источники для сбора данных;
• организовать сбор данных для разных форматов документов - web- страницы, pdf, xlsx;
• провести первичный анализ данных на наличие пропусков и формата показателей;
• провести анализ полученных входных параметров;
• разработать модель машинного обучения для прогнозирования целевых показателей на основе имеющихся данных;
• провести оценку качества обученных моделей на тестовых данных
Для успешной подготовки и защиты выпускной квалификационной работы обучающимся использовались средства и методы физической культуры и спорта с целью поддержания должного уровня физической подготовленности, обеспечивающую высокую умственную и физической работоспособность. В режим рабочего дня включались различные формы организации занятий физической культурой (физкультпаузы, физкультминутки, занятия избранным видом спорта) с целью профилактики утомления, появления хронических заболеваний и нормализации деятельности различных систем организма.
В рамках подготовки к защите выпускной квалификационной работы автором созданы и поддерживались безопасные условия жизнедеятельности, учитывающие возможность возникновении чрезвычайных ситуаций.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. ЕМИСС – единая межведомственная информационно-статистическая система [Электронный ресурс].
2. Федеральная служба государственной статистики [Электронный ресурс].
3. InvestFunds – независимый источник данных для частного инвестора в России [Электронный ресурс].
4. Банкирша.com, Инфляция в России [Электронный ресурс].
5. Индекс Мосбиржи [Электронный ресурс].
6. Банк России [Электронный ресурс].
7. Macrotrends – Цена на нефть [Электронный ресурс]. Р
8. Документация scikit-learn [Электронный ресурс].
9. Документация TensorFlow [Электронный ресурс].
10. Макроэкономические показатели [Электронный ресурс].
11. Средняя цена 1 кв. м. общей площади квартир на рынке [Электронный ресурс].
12. Индекс Джинни [Электронный ресурс].
13. Статистические показатели банковского сектора Российской Федерации [Электронный ресурс].
14. Макроэкономические показатели [Электронный ресурс].
15. Типы полей [Электронный ресурс].
16. Коэффициент корреляции [Электронный ресурс].
17. Индекс Мосбиржи [Электронный ресурс].
18. Подбор параметров с помощью GridSearchCV [Электронный ресурс].
19. Градиентный бустинг [Электронный ресурс].
20. Система национальных счетов [Электронный ресурс].