Дата поступления рукописи в редакцию: 04.04.2023.
Дата принятия рукописи в печать: 10.04.2023.
В этой статье рассматривается способ, которым методы прогностической аналитики используются учеными в области финансов и вычислительной техники для составления прогнозов. Представлена системная идентификация методов и вариантов использования, в частности, на основе данных, полученных либо внутри, либо извне из финансовых информационных систем (ИС). В качестве обзора в этой статье не объясняется сам процесс моделирования. Это адекватно освещено во многих учебниках, таких как Kuhn & Johnson [5]. Вместо этого сборник пояснительных статистических и вычислительных методов для индустрии финансовых услуг, выполненных с использованием библиометрического поиска и поиска по ключевым словам. Это актуально для области информационных технологий, поскольку методы прогнозирования все чаще внедряются в системы поддержки принятия решений (DSS) [7]. Результаты используются в промышленности для достижения лучших коммерческих результатов или продукта.
«Финансы» — это широкий термин, связанный с деятельностью на рынках капитала, который охватывает межвременные и портфельные решения [6]. Эти действия часто генерируют временные ряды. Они могут использоваться для прогнозирования будущих значений и доходности. Основой статистического вывода из этих временных рядов является слабая стационарность, которую они демонстрируют в своих средних значениях, отклонениях и ковариациях [7]. Она также заключается в последовательных разрезах, которые генерируются финансовыми транзакциями и рынками. Они обеспечивают основу для статистического анализа и, в свою очередь, могут быть импортированы в DSS для прогнозирования информации о клиентах, компаниях или отрасли. Примером может служить прогнозирование бета-версии компании с использованием перекрестного анализа [9].
Термин «прогнозная аналитика» чаще применяется при переходе от объяснительных статистических моделей к вычислительному прогнозированию [1]. Последние являются стандартными в DSS, а первые все чаще внедряются в них. Алгоритмические методы вычислительного прогнозирования используют наборы тестовых данных для определения их достоверности и точности [5]. В отличие от этого, статистические модели используют доверительные интервалы и тесты значимости.