Прогнозирование динамики цены на акции (Python)

Исследование примерно на 20 + стр.

У работы должна быть следующая структура:
1. Введение – нужно объяснить тему работы "человеческим языком", поговорить об актуальности темы. Здесь же даётся формальная постановка задачи.
2. Обзор литературы – нужно показать, что вы изучили наработки по вашей теме, обрисовать текущее состояние области
3. Методы (название можно заменить на более подходящее) – описание того, что вы предлагает сделать. Например, если вы предлагаете свой подход к генерации текстов с помощью нейросетей, то здесь описывается архитектура сети и то, как её нужно обучать.
4. Эксперименты – описание данных, дизайна эксперимента, результатов и их интерпретации.
5. Заключение – краткие выводы из проделанной работы и, возможно, идеи дальнейших исследований.

Включить презентацию на 5 – 7 слайдов, исходя из выступления на 10 минут. 

Примерный план работы ниже (на основе статей предложенных ниже ), либо можно использовать свой план.
Упор в работе должен быть сделан на глубокое обучение и нейросети (5 глава и есть аналогичная статья).

Примерный план:

1) Торговая стратегия как фиксированный план (Ввведение)
2) Работа с  API Quandl (+ все ноутбуки Jupiter с примерами)
3) Pandas как платформа технического анализа (+ все ноутбуки Jupiter с примерами)

4) Биржевой анализ в Python и использование анализа 
на основе точек изменения(перехода) – changepoints l (+ все ноутбуки Jupiter с примерами)
5) !!!! Глубокие архитектуры нейросетей в изучении цен на акции  (+ все ноутбуки Jupiter с примерами)
6) Заключение

Оплата по следующей схеме (можно безопасную сделку):
1. 1-3 главы (предоплата 3000 р) (время на выполнение – до 5 дней со дня получения предоплаты)
2. 4-6 главы (предоплата  3000 р) (время на выполнение – до 5 дней со дня получения предоплаты)
3. Финальная работа + около 7 слайдов для защиты (6000 р) ( время на выполнение – до 5 дней  со дня получения замечаний)

Статьи по теме на medium . с0m и towardsdatascience. с0m :

Источники данных и расчет индикаторов (Quandl API, TA-Lib)
m / (эт) rubenafo/pandas-quandl-and-ta-lib-a-costless-approach-to-stock-analysis-72ab21ac51ed

Определение Changepoints
t /stock-analysis-in-python-a0054e2c1a4c

Авторегрессионные модели и анализ changepoints
t /stock-prediction-in-python-b66555171a2

(!!!)Обзор глубоких архитектур для stock prediction (!!!)
t /aifortrading-2edd6fac689d

CNN, RNN – baseline примеры
m / (эт) alexrachnog/neural-networks-for-algorithmic-trading-part-one-simple-time-series-forecasting-f992daa1 045a
/introduction-to-1d-convolutional-neural-networks-in-keras-for-time-sequences-3a7ff801a2cf

Серия статей 
m / (эт) alexrachnog/neural-networks-for-algorithmic-trading-enhancing-classic-strategies-a517f43109bf