Харитонова, С. В.Гуськова, В. Г.2026-01-072026-01-072025Харитонова, С. В. Гібридні підходи для моделювання та прогнозування фінансових даних / Харитонова С. В., Гуськова В. Г. // Системні науки та інформатика : збірка доповідей ІV науково-практичної конференції, [Київ], 1–5 грудня 2025 р. / Навчально-науковий Інститут прикладного системного аналізу КПІ ім. Ігоря Сікорського. – Київ, 2025. – С. 338-342.https://ela.kpi.ua/handle/123456789/77966Робота присвячена розробці та дослідженню гібридних моделей машинного навчання для прогнозування напрямку руху цін акцій. Запропоновано комбінацію статистичних методів фільтрації часових рядів (ARIMA, вейвлет-декомпозиція) із сучасними архітектурами глибокого навчання (LSTM, CNN, Transformer). Експериментально досліджено ефективність декількох гібридних архітектур на даних 100 компаній індексу S&P 500. Найкращий результат досягнуто завдяки застосуванню стратегії селективного входу на основі оцінки впевненості гібриду моделі PatchTST (з незалежною обробкою каналів) та CNN. Мета роботи – розробка та порівняльний аналіз гібридних архітектур для прогнозування напрямку руху цін акцій із застосуванням методів штучного інтелекту.ukпрогнозування часових рядівгібридні нейронні мережіPatchTSTARIMALSTMфінансові ринкиглибоке навчаннятрансформериArticleС. 338-342