Publication:
Применение алгоритмов машинного обучения в задачах фундаментального анализа акций

dc.contributor.authorФомина, Л. С.
dc.contributor.authorНелюбин, А. В.
dc.contributor.authorЗавалишина, А. К.
dc.contributor.authorЗавалишина, Александра Константиновна
dc.date.accessioned2025-11-11T09:18:03Z
dc.date.available2025-11-11T09:18:03Z
dc.date.issued2025
dc.description.abstractДанная статья посвящена вопросам формирования инвестиционного портфеля на основе фундаментального анализа акций. Для решения этой задачи предлагается использовать алгоритм классификации – «Gradient boosting», применяемый к финансовым коэффициентам, вычисленным по бухгалтерской (финансовой) отчетности компании, с целью выявления акций, потенциально способных к росту.
dc.identifier.citationФомина Л. С. Применение алгоритмов машинного обучения в задачах фундаментального анализа акций / Фомина Л. С., Нелюбин А. В., Завалишина А. К. // Инновационные механизмы управления цифровой и региональной экономикой: материалы VII Международной студенческой научной конференции . - 2025. - С. 828-838
dc.identifier.urihttps://openrepository.mephi.ru/handle/123456789/39546
dc.publisherНИЯУ МИФИ
dc.subjectБиржевые индексы
dc.subjectФинансовые коэффициенты
dc.subjectФундаментальный анализ
dc.subjectДерево решений
dc.subjectМашинное обучение
dc.subjectИнвестиции
dc.titleПрименение алгоритмов машинного обучения в задачах фундаментального анализа акций
dc.typeArticle
dspace.entity.typePublication
relation.isAuthorOfPublication2ac443cc-d995-4fb6-a27c-a8c13f5af44e
relation.isAuthorOfPublication.latestForDiscovery2ac443cc-d995-4fb6-a27c-a8c13f5af44e
relation.isOrgUnitOfPublication95987ec3-9715-4645-9bf6-6661b387f1e6
relation.isOrgUnitOfPublication.latestForDiscovery95987ec3-9715-4645-9bf6-6661b387f1e6
Файлы
Original bundle
Теперь показываю 1 - 1 из 1
Загружается...
Уменьшенное изображение
Name:
с. 828-838.pdf
Size:
6.03 MB
Format:
Adobe Portable Document Format
Description:
License bundle
Теперь показываю 1 - 1 из 1
Загружается...
Уменьшенное изображение
Name:
license.txt
Size:
3.45 KB
Format:
Item-specific license agreed to upon submission
Description: