Остання редакція: 2026-06-07
Анотація
У роботі представлено вдосконалений метод прогнозування фінансових рядів, що є поєднанням методу Elastic Net із гаусівським затуханням ваг та механізму автоматичного визначення структурних змін у часових рядах. Запропоновано навчання моделі на актуальному сегменті даних, що відповідає поточному стану ринку, замість використання всієї доступної історії. Метод дозволяє зменшити розрив між останніми спостереженнями та першим прогнозним значенням порівняно з базовими схемами зважування. Проведені дослідження підтверджують, що врахування моментів зміни ринкових режимів сприяє підвищенню загальної точності прогнозних моделей.
DETECTION OF STRUCTURAL BREAKS IN FINANCIAL TIME SERIES FORECASTING
Abstract:
This paper presents an improved method for forecasting financial time series, which combines the Elastic Net method with Gaussian weight decay and a mechanism for automatically detecting structural changes in time series. We propose training the model on a recent segment of data that reflects the current market conditions, rather than using the entire available history. This method reduces the gap between the latest observations and the first forecast value compared with baseline weighting schemes. Our research confirms that accounting for shifts in market regimes helps improve the overall accuracy of forecasting models.
Ключові слова
Посилання
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.
H. Zou, T. Hastie, «Regularization and variable selection via the elastic net,» J. R. Stat. Soc. Series B, vol. 67, no. 2, pp. 301–320, 2005. https://doi.org/10.1111/j.1467-9868.2005.00503.x.
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/10.31649/1681-7893-2025-49-1-29-35.
Y. Wang, X. Hao, C. Wu, “Forecasting stock returns: A time-dependent weighted least squares approach,” Journal of Financial Markets, vol. 53, 100568, 2021. https://doi.org/10.1016/j.finmar.2020.100568.
R. Killick, P. Fearnhead, I. A. Eckley, «Optimal detection of changepoints with a linear computational cost,» J. Am. Stat. Assoc., vol. 107, no. 500, pp. 1590–1598, 2012. https://doi.org/10.1080/01621459.2012.737745.
Квєтний Р.Н., Бородкін С.І. «Адаптивне зважування спостережень у моделях регуляризації при прогнозуванні фінансових часових рядів». Матеріали LV Всеукраїнської науково-технічної конференції факультету інтелектуальних інформаційних технологій та автоматизації, Вінниця, 24–27 березня 2026 р., ВНТУ, 2026. [Електронний ресурс]. Режим доступу: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2026/paper/view/28214/23136.