Статьи, Журналы

Разработка алгоритмов машинного обучения для выявления скрытых экономических рисков в больших наборах финансовых данных

Янгульбаева, Л.Ш. Разработка алгоритмов машинного обучения для выявления скрытых экономических рисков в больших наборах финансовых данных / Л. Ш. Янгульбаева, А. И. Симорин, Д. Т. Гериханов // Экономика и управление: проблемы, решения. — Москва, 2025 — Т. 6. № 3. — С.136-143. — Библиогр. в конце ст.

нет оценок

Выпуск

Экономика и управление: проблемы, решения, 2025, № 3 Т. 6

Источник

Аннотация

В условиях глобальной экономической нестабильности и высокой информационной перегруженности задача выявления скрытых экономических рисков приобретает стратегическую значимость для финансовых институтов и регуляторов. В данной статье рассматриваются теоретические и практические аспекты разработки алгоритмов машинного обучения, направленных на анализ больших наборов финансовых данных с целью прогнозирования и минимизации потенциальных рисков. Представлен междисциплинарный подход, сочетающий методы глубокого обучения, стохастического моделирования, понижения размерности и статистического анализа. Обоснована эффективность применения нейронных сетей, алгоритмов случайного леса, методов опорных векторов и ансамблевых моделей для выявления нелинейных зависимостей и скрытых структурных взаимосвязей в экономических данных. Особое внимание уделено вопросам предварительной обработки данных, регуляризации моделей, а также адаптивных методов оптимизации, включая алгоритм Adam.

Ключевые слова

УДК:

004

Разработка алгоритмов машинного обучения для выявления скрытых экономических рисков в больших наборах финансовых данных

Разработка алгоритмов машинного обучения для выявления скрытых экономических рисков в больших наборах финансовых данных

Аннотация

Ключевые слова

Рекомендовано к ознакомлению

Отзывы читателей