Система аналізу та прогнозування ринкових показників із застосуванням інтелектуальних підходів

Abstract

Об'єкт дослідження – процес аналізу та прогнозування ринкових показників на основі відкритого датасету електронного майданчика Craigslist Vehicles, що містить оголошеня про продаж вживаних автомобілів. Предмет дослідження – методи порогової фільтрації та виявлення фінансової лексики для очищення табличних даних; формування ознак із частотним кодуванням; прогнозування ціни засобами CatBoostRegressor; розрахунок ринкових індикаторів; оцінювання довіри до оголошень на основі out-of-fold прогнозів; інтерактивна візуалізація результатів. Мета роботи – розробити модульну програмну систему аналізу та прогнозування ринкових показників, що реалізує повний конвеєр від завантаження вихідних даних до інтерактивного аналітичного інтерфейсу із застосуванням методів машинного навчання. Методи дослідження – аналіз предметної галузі та огляд методів машинного навчання; програмна реалізація конвеєру обробки даних; навчання CatBoostRegressor та GradientBoostingRegressor; модульне тестування засобами pytest. Методи розробки базуються на Python з бібліотеками CatBoost, scikit-learn, pandas та фреймворком Streamlit. У роботі реалізовано сім програмних модулів, що утворюють послідовний конвеєр: від очищення даних і формування ознак до прогнозування ціни, розрахунку ринкових індикаторів, оцінювання довіри та інтерактивного дашборду