Показати скорочену інформацію

dc.contributor.authorКвєтний, Р. Н.uk
dc.contributor.authorБородкін, С. І.uk
dc.date.accessioned2025-09-12T10:02:47Z
dc.date.available2025-09-12T10:02:47Z
dc.date.issued2025
dc.identifier.citationuk
dc.identifier.urihttps://ir.lib.vntu.edu.ua//handle/123456789/49197
dc.description.abstractДослідження порівнює методи регуляризації (LASSO, Elastic Net та їх модифікації) для прогнозування ризиків на основі економічних часових рядів. Аналіз спрямовано на виявлення оптимальних підходів, здатних зменшити вплив мультиколінеарності та підвищити точність моделей у сфері ризик-менеджменту. Отримані результати дозволяють розробити рекомендації щодо вибору методів регуляризації залежно від характеристик економічних даних.uk
dc.description.abstractThe study compares regularization methods (LASSO, Elastic Net, and their modifications) for risk forecasting based on economic time series. The analysis focuses on identifying optimal approaches capable of reducing the impact of multicollinearity and enhancing model accuracy in risk management. The obtained results enable the development of recommendations for selecting regularization methods based on the characteristics of economic data.en
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartof// Матеріали LIV науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2025 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2025/paper/view/23120
dc.subjectLASSOuk
dc.subjectElastic Netuk
dc.subjectрегуляризаціяuk
dc.subjectчасові рядиuk
dc.subjectризик-менеджментuk
dc.subjectмашинне навчанняuk
dc.subjectмультиколінеарністьuk
dc.subjectадаптивні методиuk
dc.subjectLASSOuk
dc.subjectElastic Netuk
dc.subjectregularizationuk
dc.subjecttime seriesuk
dc.subjectrisk managementuk
dc.subjectmachine learninguk
dc.subjectmulticollinearityuk
dc.subjectadaptive methodsuk
dc.titleПорівняння методів регуляризації lasso та elastic net для різних видів економічних часових рядів у ризик-менеджментіuk
dc.typeThesis
dc.identifier.udc004.94
dc.relation.referencesHastie, T., Tibshirani, R., & Friedman, J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2nd edition. Springer, 2009 533p.
dc.relation.referencesBrockwell, P. J., & Davis, R. A. Introduction to Time Series and Forecasting. 3rd edition. Springer, 2016 425p.
dc.relation.referencesZou, H., & Hastie, T. Elastic Net Regularization Paths for All Generalized Linear Models. Journal of Statistical Software, 39 (1), 2014, URL: https://www.researchgate.net/publication/369483920_Elastic_Net_Regularization_Paths_for_All_Generalize d_Linear_Models
dc.relation.referencesFieberg, C., Metko, D., Poddig, T. et al. Machine learning techniques for cross-sectional equity returns prediction. OR Spectrum 45, 289323 (2023). URL: https://doi.org/10.1007/s00291-022-00693-w


Файли в цьому документі

Thumbnail

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію