Статья: ИННОВАЦИОННЫЕ ПОДХОДЫ К ГЕНЕРАЦИИ ОБУЧАЮЩИХ ДАННЫХ ДЛЯ ПРОГНОЗИРОВАНИЯ СПРОСА НА НЕФТЬ (2025)

Читать онлайн

В данной работе исследуются методы генерации обучающих данных для повышения точности прогнозирования спроса на рынке нефти. Рассматриваются ограничения традиционных подходов и обосновывается применение генеративно-состязательных сетей, в частности модели TimeGAN (Time-series Generative Adversarial Network), для создания синтетических временных рядов. Результаты показывают, что TimeGAN позволяет генерировать реалистичные данные, приближенные к реальным, с сохранением волатильности и структурных особенностей рынка. Также выявлены ограничения модели, требующие дальнейшего исследования для повышения эффективности и точности прогнозирования спроса на нефть в условиях рыночной нестабильности.

Ключевые фразы: глубокое обучение, ГЕНЕРАТИВНО-СОСТЯЗАТЕЛЬНЫЕ СЕТИ, обучающие данные, модель timegan
Автор (ы): МАНАХОВА ИРИНА ВИКТОРОВНА (MANAHOVA I. V.), Матыцын Александр Владимирович (Matytsyn A. V.)
Журнал: НАУЧНЫЕ ИССЛЕДОВАНИЯ ЭКОНОМИЧЕСКОГО ФАКУЛЬТЕТА. ЭЛЕКТРОННЫЙ ЖУРНАЛ

Предпросмотр статьи

Идентификаторы и классификаторы

SCI
Экономика
УДК
33. Экономика. Народное хозяйство. Экономические науки
Для цитирования:
МАНАХОВА И. В., МАТЫЦЫН А. В. ИННОВАЦИОННЫЕ ПОДХОДЫ К ГЕНЕРАЦИИ ОБУЧАЮЩИХ ДАННЫХ ДЛЯ ПРОГНОЗИРОВАНИЯ СПРОСА НА НЕФТЬ // НАУЧНЫЕ ИССЛЕДОВАНИЯ ЭКОНОМИЧЕСКОГО ФАКУЛЬТЕТА. ЭЛЕКТРОННЫЙ ЖУРНАЛ. 2025. ТОМ 17, №4
Текстовый фрагмент статьи
Моя история просмотров (10)
Будьте первым, кто начнет обсуждение

Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.