Адаптивне зважування спостережень у моделях регуляризації при прогнозуванні фінансових часових рядів
Вантажиться...
Файли
Дата
Науковий керівник
Редактор
Інші учасники
Відповідальний
ORCID
Назва журналу
Номер ISSN
Назва тому
DOI
Альтернативна назва
Анотація
У 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.
The 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on weight decay schemes that allow taking into account the temporal dynamics of data and reducing the influence of outdated observations.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.
The 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on weight decay schemes that allow taking into account the temporal dynamics of data and reducing the influence of outdated observations.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.
Опис
Ключові слова
УДК
Тип документа
Мова
ISSN
Посилання на публікацію
Серія, номер
ISBN
ББК
Інші ідентифікатори
Пов’язані матеріали
Спонсорська підтримка
Правовласник
Бібліографічний опис
Бородкін 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.
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (1)
- T. 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.