Багатофакторне прогнозування статистичних трендів для задач data science
The 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 t...
Збережено в:
| Видавець: | The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
|---|---|
| Дата: | 2024 |
| Автори: | , , , |
| Формат: | Стаття |
| Мова: | English |
| Опубліковано: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2024
|
| Теми: | |
| Онлайн доступ: | http://journal.iasa.kpi.ua/article/view/287739 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
Репозиторії
System research and information technologies| id |
journaliasakpiua-article-287739 |
|---|---|
| record_format |
ojs |
| spelling |
journaliasakpiua-article-2877392024-08-11T01:12:49Z Multi-factor forecasting of statistical trends for data science problems Багатофакторне прогнозування статистичних трендів для задач data science Pysarchuk, Oleksii Andreieva, Tetiana Grinenko, Olena Baran, Danylo Data Science багатофакторне прогнозування статистичні тренди прогнозування курсу валют Data Science multi-factor forecasting statistical trends currency rate forecasting The 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 multi-factoriality in forecasting tasks. Розглянуто 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. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2024-06-28 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/287739 10.20535/SRIT.2308-8893.2024.2.02 System research and information technologies; No. 2 (2024); 21-34 Системные исследования и информационные технологии; № 2 (2024); 21-34 Системні дослідження та інформаційні технології; № 2 (2024); 21-34 2308-8893 1681-6048 en http://journal.iasa.kpi.ua/article/view/287739/301034 |
| institution |
System research and information technologies |
| baseUrl_str |
|
| datestamp_date |
2024-08-11T01:12:49Z |
| collection |
OJS |
| language |
English |
| topic |
Data Science багатофакторне прогнозування статистичні тренди прогнозування курсу валют Data Science multi-factor forecasting statistical trends currency rate forecasting |
| spellingShingle |
Data Science багатофакторне прогнозування статистичні тренди прогнозування курсу валют Data Science multi-factor forecasting statistical trends currency rate forecasting Pysarchuk, Oleksii Andreieva, Tetiana Grinenko, Olena Baran, Danylo Багатофакторне прогнозування статистичних трендів для задач data science |
| topic_facet |
Data Science багатофакторне прогнозування статистичні тренди прогнозування курсу валют Data Science multi-factor forecasting statistical trends currency rate forecasting |
| format |
Article |
| author |
Pysarchuk, Oleksii Andreieva, Tetiana Grinenko, Olena Baran, Danylo |
| author_facet |
Pysarchuk, Oleksii Andreieva, Tetiana Grinenko, Olena Baran, Danylo |
| author_sort |
Pysarchuk, Oleksii |
| title |
Багатофакторне прогнозування статистичних трендів для задач data science |
| title_short |
Багатофакторне прогнозування статистичних трендів для задач data science |
| title_full |
Багатофакторне прогнозування статистичних трендів для задач data science |
| title_fullStr |
Багатофакторне прогнозування статистичних трендів для задач data science |
| title_full_unstemmed |
Багатофакторне прогнозування статистичних трендів для задач data science |
| title_sort |
багатофакторне прогнозування статистичних трендів для задач data science |
| title_alt |
Multi-factor forecasting of statistical trends for data science problems |
| description |
The 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 multi-factoriality in forecasting tasks. |
| publisher |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
| publishDate |
2024 |
| url |
http://journal.iasa.kpi.ua/article/view/287739 |
| work_keys_str_mv |
AT pysarchukoleksii multifactorforecastingofstatisticaltrendsfordatascienceproblems AT andreievatetiana multifactorforecastingofstatisticaltrendsfordatascienceproblems AT grinenkoolena multifactorforecastingofstatisticaltrendsfordatascienceproblems AT barandanylo multifactorforecastingofstatisticaltrendsfordatascienceproblems AT pysarchukoleksii bagatofaktorneprognozuvannâstatističnihtrendívdlâzadačdatascience AT andreievatetiana bagatofaktorneprognozuvannâstatističnihtrendívdlâzadačdatascience AT grinenkoolena bagatofaktorneprognozuvannâstatističnihtrendívdlâzadačdatascience AT barandanylo bagatofaktorneprognozuvannâstatističnihtrendívdlâzadačdatascience |
| first_indexed |
2024-08-11T04:01:29Z |
| last_indexed |
2024-08-11T04:01:29Z |
| _version_ |
1810777025995079680 |