Создание системы прогнозирования цен акций с использованием модели ARIMA

Написание выпускной квалификационной работы (ВКР) — важный этап обучения в Синергии, особенно по направлению 09.03.02 «Информационные системы и технологии». Тема «Создание системы прогнозирования цен акций с использованием модели ARIMA» требует глубокого понимания эконометрических методов, анализа временных рядов и навыков проектирования информационных систем. Многие студенты сталкиваются с нехваткой времени, сложностями в сборе данных и отсутствием практических примеров.

В данной статье мы разберём структуру ВКР по теме разработка системы прогнозирования акций на ARIMA с учётом требований вуза и специфики предприятия ООО «ARIMA акции», основным процессом которого является создание. Вы получите чёткое представление о содержании каждой главы, типичных сложностях и трудоёмкости работы. Приведённые примеры помогут вам понять, как правильно оформлять каждый раздел, а расчёты — адаптировать их под свой проект.

Статья ориентирована на студентов Синергии и соответствует стандартам ГОСТ, требованиям к защите и актуальным методикам анализа. Здесь вы найдёте не просто описание, а готовую структуру с примерами и практическими рекомендациями.

ГЛАВА 1. АНАЛИТИЧЕСКАЯ ЧАСТЬ

1.1. Технико-экономическая характеристика предметной области и предприятия

В этом разделе раскрываются общие сведения о предметной области — финансовых рынках и прогнозировании акций, а также о компании ООО «ARIMA акции». Описываются сфера деятельности, организационная структура, ключевые бизнес-процессы и текущие проблемы, связанные с ручным анализом и отсутствием автоматизированной системы прогнозирования.

Пример содержимого: ООО «ARIMA акции» специализируется на аналитике фондового рынка. Основной процесс — создание прогнозов изменения цен на акции. В настоящее время аналитики используют Excel и ручные расчёты, что приводит к задержкам и ошибкам. Средняя точность прогнозов — 65%. Компания планирует повысить эффективность за счёт внедрения модели ARIMA.

Сложности: недостаток открытых данных о реальных компаниях, сложность с адаптацией под формат Синергии.
Время выполнения: 8–10 часов.

1.2. Характеристика комплекса задач и обоснование необходимости автоматизации

Описывается текущий процесс прогнозирования: сбор данных, обработка, анализ, принятие решений. Выделяются узкие места — высокая трудоёмкость, низкая оперативность, риск ошибок. Обосновывается необходимость автоматизации процесса создание системы прогнозирования.

Пример содержимого: На предприятии ежедневно обрабатывается около 200 строк данных по акциям. Ручной ввод занимает 3 часа. Автоматизация позволит сократить время до 30 минут и повысить точность прогнозов за счёт применения модели ARIMA.

Сложности: грамотное описание бизнес-процесса, выделение задач для автоматизации.
Время выполнения: 6–8 часов.

1.3. Анализ существующих разработок и выбор стратегии автоматизации

Проводится обзор аналогов: платформы типа TradingView, Python-библиотеки (statsmodels, Prophet), коммерческие решения. Анализируются их плюсы и минусы. Обосновывается выбор модели ARIMA как наиболее подходящей для краткосрочного прогнозирования с учётом доступности данных и простоты интерпретации.

Пример содержимого: Сравнение моделей показало, что ARIMA(1,1,1) обеспечивает точность 82% на тестовых данных, что на 17% выше текущего уровня. Решение будет реализовано на Python с использованием библиотек pandas и statsmodels.

Сложности: поиск достоверных источников, объективная оценка аналогов.
Время выполнения: 10–12 часов.

1.4. Обоснование проектных решений

Формулируются архитектурные решения: выбор технологии (Python, Flask), структура БД, формат входных и выходных данных. Обосновывается использование модели ARIMA вместо нейросетей — за счёт прозрачности и соответствия требованиям регуляторов.

Пример содержимого: Система будет включать модуль сбора данных, предобработки, моделирования и визуализации. Входные данные — исторические котировки с Московской биржи. Выход — прогноз на 5 дней вперёд с доверительным интервалом.

Сложности: техническая грамотность, соответствие ГОСТу.
Время выполнения: 8–10 часов.

ГЛАВА 2. ПРОЕКТИРОВАНИЕ И РЕАЛИЗАЦИЯ ИНФОРМАЦИОННОЙ СИСТЕМЫ

2.1. Разработка проекта автоматизации

Описывается архитектура системы: модульный принцип, поток данных, диаграммы (например, DFD). Приводится обоснование выбора инструментов и технологий. Определяются этапы реализации: от сбора данных до визуализации прогноза.

Пример содержимого: Проект включает три модуля: 1) загрузка данных через API Московской биржи; 2) предобработка (логарифмирование, дифференцирование); 3) прогнозирование с помощью ARIMA(1,1,1) и возврат результата в веб-интерфейс.

Сложности: построение корректных диаграмм, соответствие методике Синергии.
Время выполнения: 12–14 часов.

2.2. Информационное обеспечение задачи

Определяется состав входной и выходной информации. Приводится структура базы данных: таблицы с котировками, параметрами модели, результатами прогноза. Форматы данных — CSV, JSON. Описываются источники данных.

Пример содержимого: Таблица «Котировки» содержит поля: дата, тикер, цена открытия, цена закрытия, объём. Таблица «Прогнозы» — дата прогноза, тикер, прогнозное значение, нижняя и верхняя граница интервала.

Сложности: проектирование БД, нормализация данных.
Время выполнения: 10–12 часов.

2.3. Программное обеспечение задачи

Описывается используемое ПО: Python 3.11, Flask, Pandas, Statsmodels, Matplotlib. Приводится обоснование выбора. Демонстрируются фрагменты кода: инициализация модели, обучение, прогноз.

Пример содержимого: Модель инициализируется как ARIMA(data, order=(1,1,1)).fit(). Прогноз строится на 5 шагов вперёд. Визуализация — график с фактическими и прогнозными значениями.

Сложности: корректное оформление кода, соответствие ГОСТу.
Время выполнения: 14–16 часов.

2.4. Контрольный пример реализации проекта и его описание

Приводится пример работы системы: выбор акции (например, «Газпром»), загрузка данных за 2023–2024 гг., обучение модели, построение прогноза. Демонстрируются результаты: график, таблица, оценка точности (MAPE).

Пример содержимого: Для акции «Газпром» модель показала MAPE = 3,8%. Прогноз на 5 дней: 158,2, 159,1, 157,8, 158,5, 159,0 руб. с доверительным интервалом ±2,5%.

Сложности: подбор данных, интерпретация результатов.
Время выполнения: 10–12 часов.

ГЛАВА 3. ОБОСНОВАНИЕ ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ ПРОЕКТА

3.1. Выбор и обоснование методики расчёта экономической эффективности

Обосновывается выбор метода расчёта — упрощённый расчёт годового экономического эффекта. Учитываются затраты на разработку (время, ПО) и условная экономия от сокращения трудозатрат и повышения точности прогнозов.

Пример содержимого: Используется методика, рекомендованная Синергией: Э = (З1 – З2) × T, где З1 и З2 — затраты до и после автоматизации, T — годовой фонд времени.

Сложности: правильный выбор формулы, соответствие методике вуза.
Время выполнения: 6–8 часов.

3.2. Расчёт показателей экономической эффективности проекта

Выполняется расчёт: трудозатраты до автоматизации — 3 часа/день, после — 0,5 часа. Экономия — 2,5 часа/день. Годовая экономия времени — 625 часов. Условная экономия (при ставке 1000 руб/ч) — 625 000 руб. Себестоимость разработки — 80 000 руб. Эффект — 545 000 руб/год.

Пример содержимого:

Показатель	Значение
Годовая экономия времени, ч	625
Стоимость часа, руб	1000
Условная экономия, руб	625 000
Себестоимость системы, руб	80 000
Чистый эффект, руб	545 000

Сложности: корректность расчётов, оформление таблиц.
Время выполнения: 8–10 часов.

Заключение

В заключении формулируются итоговые выводы по каждой главе: подтверждена актуальность автоматизации процесса создание системы прогнозирования, обоснован выбор модели ARIMA, доказана экономическая целесообразность проекта. Цель работы — разработка системы прогнозирования цен акций — достигнута.

Сложности: логичность формулировок, соответствие целям и задачам.
Время выполнения: 6–8 часов.

Список используемой литературы

Список включает 40–50 источников: нормативные документы, учебники по эконометрике, статьи по ARIMA, ГОСТы на разработку ИС. Оформление — по ГОСТ Р 7.0.5–2008.

Сложности: поиск актуальных источников, правильное оформление.
Время выполнения: 4–6 часов.

Приложения

Прикладываются: код программы, таблицы с данными, скриншоты интерфейса, результаты прогнозирования. Объём — 10–15 страниц.

Сложности: форматирование, соответствие требованиям.
Время выполнения: 4–6 часов.

Раздел	Время (часы)
Введение	6–8
Глава 1	32–40
Глава 2	46–54
Глава 3	14–18
Заключение	6–8
Литература	4–6
Приложения	4–6
Итого	150–200

Вывод: самостоятельное написание ВКР по теме «Создание системы прогнозирования цен акций с использованием модели ARIMA» требует 150–200 часов напряжённой работы, глубоких знаний в области анализа временных рядов и строгого соблюдения требований Синергии.

Готовые инструменты и шаблоны для Создание системы прогнозирования цен акций с использованием модели ARIMA

Шаблон актуальности:
«Актуальность темы обусловлена ростом интереса к автоматизации финансовых решений и необходимостью повышения точности прогнозирования на фондовом рынке. Разработка системы прогнозирования акций на ARIMA позволяет повысить эффективность анализа и снизить риски принятия решений».

Шаблон цели:
«Цель ВКР — создание системы прогнозирования цен акций с использованием модели ARIMA для ООО «ARIMA акции»».

Пример таблицы (экономическая эффективность):

Показатель	До внедрения	После внедрения
Время на прогноз, ч/день	3,0	0,5
Точность прогноза, %	65	82
Годовая экономия, руб	—	545 000

Чек-лист «Оцени свои силы»:

• Есть ли у вас доступ к историческим данным по акциям?
• Уверены ли вы в знании модели ARIMA и её реализации на Python?
• Есть ли у вас 3–4 месяца на написание ВКР без перегрузок?
• Готовы ли вы к многократным правкам и требованиям научного руководителя?

И что же дальше? Два пути к успешной защите

Путь 1. Самостоятельный
Вы получите ценный опыт, но столкнётесь с рисками: нехватка времени, ошибки в расчётах, требования к оформлению, стресс перед защитой. Суммарная трудоёмкость — 150–200 часов. Возможны множественные правки.

Путь 2. Профессиональный
Вы экономите время, получаете гарантию уникальности, поддержку до защиты и работу, оформленную по ГОСТу Синергии. Наши специалисты уже реализовали более 50 подобных проектов.

ВКР по теме «Создание системы прогнозирования цен акций с использованием модели ARIMA» — это объёмный и сложный проект, требующий глубокого анализа, технических навыков и строгого соблюдения структуры. Независимо от выбранного пути, важно понимать масштаб задачи. Мы подготовили для вас полную структуру, примеры и расчёты, чтобы вы могли принять взвешенное решение. Помните: выбор за вами, но мы всегда готовы помочь на любом этапе — от консультации до сдачи работы.