Для підвищення ефективності управління ризиками запропоновано метод прогнозування цін акцій на основі сучасних моделей машинного навчання, таких як Support Vector Regression, Random Forest і Gradient Boosting. Проведено експериментальні дослідження з використанням історичних фінансових даних, зібраних через API Yahoo Finance, які були очищені, нормалізовані та доповнені індикаторами технічного аналізу. Для оцінки точності прогнозів застосовано метрики середньоквадратичної помилки (MSE) і коефіцієнта детермінації (R^2). Експерименти продемонстрували, що використання ансамблевих моделей і технік стека забезпечує високу якість прогнозування. На основі результатів розроблено веб-додаток для інтеграції прогнозів у процес прийняття рішень у стартап-проєктах. Додаток дозволяє інвесторам і менеджерам аналізувати ринкові тренди, оцінювати ризики та ухвалювати обґрунтовані рішення щодо інвестицій. Застосування запропонованої системи сприяє мінімізації ризиків і підвищенню стабільності фінансових результатів стартап-проєктів.