СРАВНИТЕЛЬНЫЙ АНАЛИЗ АРХИТЕКТУР НЕЙРОННЫХ СЕТЕЙ (RNN, GRU, LSTM) ДЛЯ ПРЕДСКАЗАНИЯ СТОИМОСТИ АКЦИИ

Аннотация

Целью данной работы является сравнительный анализ трех архитектур нейронных сетей - Vanilla RNN, LSTM и GRU применительно к задаче краткосрочного прогнозирования курса акции Apple Inc. (AAPL).

В качестве данных были использованы исторические данные за период с января 2010 по апрель 2026 в формате OHLCV. Данные были разбиты на обучающую, валидационную и тестовую выборку в хронологическом порядке. Для оценки эффективности нейросетевых моделей были также реализованы три базовых метода - наивный прогноз, линейная регрессия и модель ARIMA(5, 1, 0). Подбор гиперпараметров осуществлялся методом полного перебора по 18 конфигурация для каждой архитектуры. Итоговая оценка осуществлялась путем оценки пяти независимых запусков с различными инициализациями весов, а значимость различий между моделями была верифицирована посредством проведения теста Дибольда-Мариано.

Полученные результаты показали, что RNN продемонстрировал наилучшее качество прогнозирования среди нейросетевых архитектур. Вместе с тем все три архитектуры уступили наивному базовому методу, что свидетельствует об ограниченной предсказательной ценности OHLCV в рамках рассматриваемой задачи.