Показати скорочену інформацію

dc.contributor.authorБородкін, С. І.uk
dc.contributor.authorКвєтний, Р. Н.uk
dc.contributor.authorBorodkin, S. I.en
dc.contributor.authorKvyetnyy, R. N.en
dc.date.accessioned2026-09-17T10:06:34Z
dc.date.available2026-09-17T10:06:34Z
dc.date.issued2026
dc.identifier.citationБородкін С. І., Квєтний Р. Н. Адаптивне зважування спостережень у моделях регуляризації при прогнозуванні фінансових часових рядів // Матеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2026/paper/view/28214.uk
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/54501
dc.description.abstractУ роботі запропоновано метод адаптивного зважування спостережень у моделях регуляризації для прогнозування фінансових часових рядів. Підхід базується на використанні схем затухання ваг, що дозволяє враховувати часову динаміку даних і зменшувати вплив застарілої інформації. Проведено експериментальний аналіз ефективності запропонованого підходу та його порівняння з базовими схемами зважування. Отримані результати свідчать про доцільність використання адаптивного зважування для підвищення точності прогнозування фінансових показників.uk
dc.description.abstractThe paper proposes a method of adaptive weighting of observations in regularization models for forecasting financial time series. The approach is based on weight decay schemes that allow taking into account the temporal dynamics of data and reducing the influence of outdated observations. An experimental analysis of the proposed method is carried out and compared with baseline weighting schemes. The obtained results indicate the effectiveness of adaptive weighting for improving the accuracy of forecasting financial indicators.en
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofМатеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2026/paper/view/28214
dc.subjectElastic Neten
dc.subjectрегуляризаціяuk
dc.subjectчасові рядиuk
dc.subjectадаптивне зважуванняuk
dc.subjectзатухання вагuk
dc.subjectволатильністьuk
dc.subjectпрогнозування фінансових данихuk
dc.subjectregularizationen
dc.subjecttime seriesen
dc.subjectadaptive weightingen
dc.subjectweight decayen
dc.subjectvolatilityen
dc.subjectfinancial forecastingen
dc.titleАдаптивне зважування спостережень у моделях регуляризації при прогнозуванні фінансових часових рядівuk
dc.typeThesis
dc.identifier.udc004.94:336.7
dc.relation.referencesT. Hastie, R. Tibshirani, J. Friedman, «The Elements of Statistical Learning: Data Mining, Inference, and Prediction,» 2nd ed., Springer, 2009, 533 p. https://doi.org/10.1007/978-0-387-84858-7. Y. Wang, X. Hao, C. Wu «Forecasting stock returns: A time-dependent weighted least squares approach», Journal of Financial Markets, vol. 53, Art. 100568, March 2021. https://doi.org/10.1016/j.finmar.2020.100568. H. Park, F. Sakaori, «Lag weighted lasso for time series model,» Computational Statistics, vol. 28, no. 3, pp. 1069–1089, June 2013. https://doi.org/10.1007/s00180-012-0313-5 E. Smucler, V. J. Yohai, «Robust and sparse estimators for linear regression models,» Computational Statistics and Data Analysis, vol. 111, pp. 1–13, July 2017. https://doi.org/10.1016/j.csda.2017.02.002. Квєтний Р.Н., Бородкін С.І. «Покращена модель регуляризації ELASTIC NET для обробки фінансових часових рядів,» Оптико-електронні інформаційно-енергетичні технології, vol. 49, no. 1, pp. 29–35, 2025. https://doi.org/10.31649/1681-78932025-49-1-29-35. R. J. Elliott, T. K. Siu, J. W. Lau, «A hidden Markov regime switching smooth transition model,» Studies in Nonlinear Dynamics and Econometrics, vol. 22, no. 3, 2018. https://doi.org/10.1515/snde-2016-0061.en


Файли в цьому документі

Thumbnail

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

Показати скорочену інформацію