АНАЛИТИЧЕСКИЕ ВОЗМОЖНОСТИ МАШИННОГО ОБУЧЕНИЯ В ЭКОНОМИЧЕСКОМ ПРОГНОЗИРОВАНИИ

Научное сообщество сохраняет повышенный интерес к исследованию взаимодействия современных технологий машинного обучения и прогнозирования экономических показателей. В данной статье осуществлен обзор принципов работы и потенциала применения алгоритмов машинного обучения, включая Random forest, линейную регрессию, Decision Stump и метод опорных векторов, а также техники бустинга для оптимизации процессов анализа данных, снижения затрат и уменьшения вероятности ошибок в экономических расчётах. В статье акцентировано внимание на эффективности нейронных сетей в задачах прогнозирования динамики стоимости акций на Московской фондовой бирже. Анализ сравнительной динамики и реальных результатов ценных бумаг показывает, что, несмотря на сложность точного прогнозирования из-за непредвиденных рыночных факторов, нейронные сети демонстрируют высокую вероятность корректного предсказания трендов, что свидетельствует о значительных перспективах использования данных технологий в финансовом анализе.

The scientific community retains an increased interest in studying the interaction of modern machine learning technologies and forecasting economic indicators. This article provides an overview of the principles of operation and potential applications of machine learning algorithms, including Random forest, linear regression, Decision Stump and the support vector machine, as well as boosting techniques to optimize data analysis processes, reduce costs and reduce the likelihood of errors in economic calculations. The article focuses on the effectiveness of neural networks in predicting the dynamics of stock prices on the Moscow Stock Exchange. An analysis of the comparative dynamics and real results of securities shows that, despite the difficulty of accurate forecasting due to unforeseen market factors, neural networks demonstrate a high probability of correctly predicting trends, which indicates significant prospects for using these technologies in financial analysis.