Multi-factor forecasting of statistical trends for Data Science problems

Скорочена інформація про документ
dc.contributor.authorPysarchuk, O.
dc.contributor.authorAndreieva, T.
dc.contributor.authorGrinenko, O.
dc.contributor.authorBaran, D.
dc.date.accessioned2024-12-06T09:08:36Z
dc.date.available2024-12-06T09:08:36Z
dc.date.issued2024
dc.description.abstractThe article deals with the processes of multi-factor forecasting of statistical trends for Data Science problems. Most of the classic approaches to data processing consist of studying the consequences of phenomena rather than the factors of their appearance. At the same time, the factors affecting the behavior of the investigated process are assumed to be random and are not investigated. The article discusses the approach to forecasting the parameters of the trend of statistical time series, which consists of the study of factors that lead to changes in the dynamics of the studied process. This approach potentially has better indicators of adequacy, accuracy, and efficiency in obtaining final solutions than classical approaches. The implementation of this approach is shown using an example of the analysis of exchange rate changes. The obtained results show the practicality of considering multifactoriality in forecasting tasks.
dc.description.abstractotherРозглянуто процеси багатофакторного прогнозування статистичних трендів для задач Data Science. Більшість класичних підходів до оброблення даних полягають у дослідженні наслідків явищ, а не факторів їх появи. При цьому фактори, що впливають на поведінку досліджуваного процесу, вважаються випадковими та не досліджуються. Розглянуто підхід до прогнозування параметрів тренду статистичних часових рядів, який полягає в дослідженні факторів, що призводять до зміни динаміки досліджуваного процесу. Такий підхід потенційно має кращі показники адекватності, точності і оперативності отримання кінцевих рішень порівняно з класичними підходами. Наведено реалізацію цього підходу на прикладі аналізу зміни курсу валют. Отримані результати розрахунків показують доцільність розгляду багатофакторності у задачах прогнозування.
dc.format.pagerangeС. 21-34
dc.identifier.citationMulti-factor forecasting of statistical trends for Data Science problems / Pysarchuk O., Andreieva T., Grinenko O., Baran D. // Системні дослідження та інформаційні технології : міжнародний науково-технічний журнал. – 2024. – № 2. – С. 21-34. – Бібліогр.: 16 назв.
dc.identifier.doihttps://doi.org/10.20535/SRIT.2308-8893.2024.2.02
dc.identifier.orcid0000-0001-5271-0248
dc.identifier.orcid0009-0009-7033-9054
dc.identifier.orcid0000-0001-9673-6626
dc.identifier.orcid0000-0002-3251-8897
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/71040
dc.language.isoen
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.sourceСистемні дослідження та інформаційні технології : міжнародний науково-технічний журнал, № 2
dc.subjectData Science
dc.subjectmulti-factor forecasting
dc.subjectstatistical trends
dc.subjectcurrency rate forecasting
dc.subjectбагатофакторне прогнозування
dc.subjectстатистичні тренди
dc.subjectпрогнозування курсу валют
dc.subject.udc004.5
dc.titleMulti-factor forecasting of statistical trends for Data Science problems
dc.title.alternativeБагатофакторне прогнозування статистичних трендів для задач Data Science
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
21-34.pdf
Розмір:
450.06 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Системні дослідження та інформаційні технології: міжнародний науково-технічний журнал, № 2