ВИБІР АРХІТЕКТУР ГЛИБОКИХ НЕЙРОННИХ МЕРЕЖ У ЗАДАЧАХ ПРОГНОЗУВАННЯ ФІНАНСОВИХ РИНКІВ ЗА УМОВ ВИСОКОЇ ВОЛАТИЛЬНОСТІ

Анотація

Прогнозування фінансових ринків є однією з ключових задач сучасного фінансового аналізу, ускладненою високою волатильністю, нелінійною поведінкою ринку та впливом численних економічних, політичних і поведінкових факторів. У таких умовах традиційні статистичні методи часто виявляються недостатніми, що зумовлює зростання застосування підходів глибокого навчання.

У статті розглядається проблема вибору архітектур глибоких нейронних мереж для прогнозування фінансових ринків за умов високої волатильності. Досліджуються рекурентні, згорткові, часові згорткові, гібридні моделі, а також архітектури з механізмами уваги та нейронні мовні моделі. Особлива увага приділяється проблемі запізнювання прогнозів та її впливу на точність передбачень у динамічному ринковому середовищі.

Експериментальні результати демонструють переваги гібридних моделей та моделей з механізмами уваги у забезпеченні високої точності прогнозів і адаптивності моделей у високоволатильних умовах.

Отримані результати можуть бути використані для обґрунтування вибору архітектур нейронних мереж та розробки інформаційних технологій прогнозування фінансових ринків, спрямованих на підвищення точності та стійкості прогнозів.