Классификация методов прогнозирования индексов фондового рынка с использованием больших языковых моделей и классических подходов
  • Войти
  • RU | EN
Статьи, Журналы

Классификация методов прогнозирования индексов фондового рынка с использованием больших языковых моделей и классических подходов

Классификация методов прогнозирования индексов фондового рынка с использованием больших языковых моделей и классических подходов
Статьи, Журналы

Классификация методов прогнозирования индексов фондового рынка с использованием больших языковых моделей и классических подходов

Гурьянов, А.Е. Классификация методов прогнозирования индексов фондового рынка с использованием больших языковых моделей и классических подходов / А. Е. Гурьянов // Инновации и инвестиции. — Москва, 2025 — N 6. — С.642-646. — Библиогр. в конце ст.
Гурьянов, А.Е., (2025), "Классификация методов прогнозирования индексов фондового рынка с использованием больших языковых моделей и классических подходов", Инновации и инвестиции, Москва, 2025, N 6, С.642-646.
Гурьянов А Е. Классификация методов прогнозирования индексов фондового рынка с использованием больших языковых моделей и классических подходов. Инновации и инвестиции. 2025; (N 6). С.642-646.
Выпуск
Инновации и инвестиции, 2025, N 6
Источник

Аннотация

Статья посвящена классификации и сравнительному анализу подходов к решению этой задачи с использованием классических методов и набирающих популярность больших языковых моделей (LLM). Научная новизна работы заключается в предложенной систематизации и создании сравнительной основы для оценки классических подходов и методов на базе LLM в задаче прогнозирования фондовых индексов. Это позволяет не только обобщить существующие знания в быстро развивающейся области, но и выявить ключевые различия, ограничения и наиболее перспективные направления интеграции этих двух парадигм. В ходе исследования выявлены ключевые преимущества и недостатки каждой группы подходов: классические методы сильны в работе с числовыми рядами и часто более интерпретируемы, тогда как LLM предоставляют уникальные возможности для анализа неструктурированной текстовой информации и рыночных настроений, но сопряжены с проблемами интерпретируемости и ресурсоемкости. Основной вывод заключается в том, что LLM на данном этапе являются не заменой, а мощным дополнением к классическим инструментам, а наиболее перспективным направлением представляется разработка гибридных моделей, сочетающих сильные стороны обоих подходов.

Ключевые слова

  • УДК:
    336.763

Рекомендовано к ознакомлению

Отзывы читателей

0