• Ученые МГУ предложили ИИ-подход для прогнозирования финансовых временных рядов.
• Подход основан на объединении нейронной сети с методами нечёткой логики.
• Разработана новая архитектура, которая повышает точность прогнозирования в 1,3-1,7 раза.
• Подход может быть полезен для создания устойчивых методов анализа рыночных данных.
• Финансовые временные ряды часто содержат шум и нелинейные зависимости, что затрудняет их анализ.
• Нейронные сети с долгой краткосрочной памятью используются для анализа последовательностей данных.
• Нечеткая логика позволяет работать с неопределенностью и учитывать промежуточные состояния.
• Предложенный подход повышает точность прогнозирования и требует больше времени для обучения модели.