Публикации автора

СОВРЕМЕННЫЕ ПОДХОДЫ К ПРОГНОЗИРОВАНИЮ НЕСТАЦИОНАРНЫХ ВРЕМЕННЫХ РЯДОВ (2026)

В статье рассматриваются современные методы прогнозирования нестационарных временных рядов, актуальные для анализа социально-экономических систем, финансовых рынков и других областей с высокой неопределенностью. Проведен сравнительный анализ классических подходов (ARIMA, GARCH) и их модификаций, учитывающих структурные сдвиги, нелинейные зависимости и экзогенные факторы. Особое внимание уделено нейросетевым методам, включая LSTM, трансформеры (Informer, Autoformer) и их гибридные варианты, демонстрирующие высокую эффективность при работе с длинными последовательностями. Отдельно рассмотрены адаптивные методы, такие как скользящее окно, и их интеграция с машинным обучением для повышения точности прогнозирования в условиях нестабильности. Исследование включает критический анализ ограничений классических моделей ARIMA и GARCH; обзор современных архитектур нейронных сетей для временных рядов; практические аспекты выбора моделей в зависимости от характеристик данных; перспективные направления развития методов, включая адаптивные алгоритмы и ансамблевые подходы.