Прогнозування часових рядів є важливим завданням у економіці, бізнесі та фінансах. Традиційно для прогнозування використовуються такі методи, як авторегресія (AR), рухоме середнє (MA), експоненціальне згладжування (SES) і, найпоширеніше, авторегресійна інтегрована модель ковзного середнього (ARIMA). Модель ARIMA продемонструвала високу точність у прогнозуванні майбутніх значень часових рядів. Завдяки розвитку обчислювальних потужностей та алгоритмів глибокого навчання з’явилися нові підходи до прогнозування. У цій статті розглядається питання: чи є алгоритми глибокого навчання, такі як «Long Short-Term Memory (LSTM)», ефективнішими за традиційні методи. Емпіричні дослідження, проведені в цій роботі, показують, що алгоритми на основі глибокого навчання, такі як LSTM, перевершують традиційні методи, такі як ARIMA. Зокрема, середнє зменшення похибки при використанні LSTM становить 84-87% порівняно з ARIMA, що свідчить про перевагу LSTM.
[1] BOX, G.E.P. and G.M. JENKINS (1970) Time series analysis: Forecasting and control, San Francisco: Holden-Day
[2] Adebiyi A.A., Adewumi A.O., Ayo C.K., 2014. Stock Price Prediction Using the ARIMA Model. UKSim-AMSS 16th International Conference on Computer Modelling and Simulation.
[3] Fischera T., Kraussb C., 2024. Deep Learning with Long Short-term Memory Networks for Financial Market Predictions. FAU Discussion Papers in Economics 11.
[4] Roshchyna N. V, Shevchuk O. A, Kustarova K. M. Doslidzhennia mizhnarodnoho finansovoho rynku v umovakh didzhytalizatsii: novi mozhlyvosti. Ekonomichnyi visnyk NTUU "KPI" № 18. 2021 r. c.45, https://doi.org/10.20535/2307-5651.18.2021.231459
[5] Matveichuk L.O. Tsyfrova ekonomika: teoretychni aspekty. Visnyk Zaporizkoho natsionalnoho universytetu. Seriia: Ekonomichni nauky. 2023. № 4 (40). S. 116—127.
[6] Melnyk T.Iu. Prohnozuvannia sotsialno-ekonomichnykh yavyshch yak instrument obgruntuvannia upravlinskykh rishen. Visnyk ZhDTU. 2018. № 2 (84). S. 90-95
[7] Time Series Analysis and Forecasting. URL: https://www.statgraphics.com/time-series-analysis-andforecasting
[8] Osnovy roboty z systemoiu inzhenernykh ta naukovo-tekhnichnykh obchyslen MATLAB [Elektronnyi resurs]. Rezhym dostupu: https://mte.nure.ua/pdf/studying/zov_itpz_lk6.pdf
[9] Regression in machine learning Popular Regression Algorithms. Jigsaw Academy. URL: https://www.jigsawacademy.com/popular-regressionalgorithms-ml/
[10] Statistical Methods for Forecasting Quantitative Time Series. URL: https://www.bistasolutions.com/resources/blogs/5-statistical-methods-for-forecasting-quantitative-timeseries/#:~:text=Techniques%20of%20Forecasting%3A,Neural%20Network%20(NN)
[11] Teoriia ymovirnostei ta matematychna statystyka: navch. posib. / O. I. Kushlyk, Dyvulska, N. V. Polishchuk, B. P. Orel, P. I. Shtabaliuk. Kyiv: NTUU «KPI», 2014. 212 s.
[12] Koliadenko S. V. Tsyfrova ekonomika: peredumovy ta etapy stanovlennia v Ukraini i u sviti. Ekonomika. Finansy. Menedzhment. 2016. No 6. S. 106–107.