Манахова И.В., Матыцын А.В. Инновационные подходы к генерации обучающих данных для прогнозирования спроса на нефть

DOI: 10.38050/2078-3809-2025-17-4-9-34

Аннотация

В данной работе исследуются методы генерации обучающих данных для повышения точности прогнозирования спроса на рынке нефти. Рассматриваются ограничения традиционных подходов и обосновывается применение генеративно-состязательных сетей, в частности модели TimeGAN (Time-series Generative Adversarial Network), для создания синтетических временных рядов. Результаты показывают, что TimeGAN позволяет генерировать реалистичные данные, приближенные к реальным, с сохранением волатильности и структурных особенностей рынка. Также выявлены ограничения модели, требующие дальнейшего исследования для повышения эффективности и точности прогнозирования спроса на нефть в условиях рыночной нестабильности.

Ключевые слова: глубокое обучение, генеративно-состязательные сети, обучающие данные, модель TimeGAN.

JEL коды: Е17, С53.

Для цитирования: Манахова И.В., Матыцын А.В. Инновационные подходы к генерации обучающих данных для прогнозирования спроса на нефть // Научные исследования экономического факультета. Электронный журнал. 2025. Том 17. Выпуск 4. С. 9-34. DOI: 10.38050/2078-3809-2025-17-4-9-34.

Скачать полный текст