Цель проекта: найти лучший метод прогноза нефтяных цен
Ученые поставили задачу выявить самый точный способ предсказания котировок нефти, учитывающий множество факторов. Сравнивались традиционная статистика и передовое машинное обучение, а также определялись ключевые условия для точных прогнозов.
Испытания моделей: нейросети против статистики
В тестировании участвовали две статистические модели и одна нейросетевая: классическая ARIMA (основана только на исторических ценах), улучшенная SARIMAX (учитывает сезонность, индексы рынка, курс доллара, запасы нефти) и рекуррентная сеть LSTM (Long Short-Term Memory), отлично работающая со сложными нелинейными зависимостями. Анализ охватил стабильный период 2015–2019 годов, что дало возможность оценить модели в обычных условиях.
Победа LSTM и секрет ее успеха
Исследование опиралось на объемные данные: отраслевые и фондовые индексы, разница цен на сорта Brent и WTI, стоимость фрахта, показатели добычи, переработки и запасов сырья в США. В краткосрочном прогнозе нейросеть LSTM продемонстрировала лучший результат — ее средняя ошибка составила лишь $1,5 за баррель. «Модели машинного обучения показывают лидерство перед авторегрессионными методами благодаря умению находить сложные паттерны», — поясняет Варвара Назарова, руководитель департамента финансов НИУ ВШЭ — Санкт-Петербург.
Осторожность в эпоху кризисов
Авторы выделяют и ограничение: при резких скачках рынка (например, падении котировок ниже нуля в 2020-м) нейросеть может принять краткосрочный сбой за новую тенденцию и дать сбой. Статистические подходы в подобных сценариях более надежны, ориентируясь на долгосрочные тренды.
Синергия инноваций и аналитики
«Нейросеть не отличает фундаментальный сдвиг от рыночного шума. Поэтому мы советуем комбинировать подходы и сверять результаты. Искусственный интеллект — не замена эксперту, а мощный инструмент для поиска неочевидных связей и генерации новых прогнозных идей», — акцентирует преподаватель департамента финансов НИУ ВШЭ Борис Лодягин.
Выводы работы помогут компаниям выбирать момент для закупки нефти и трейдерам — принимать взвешенные решения на сырьевых биржах.
«Промышленность уже использует модели ИИ. Бизнесу важен результат, а академии нужно проверить: насколько точен прогноз нейросети, когда она ошибается и почему. Мы начали с базовой версии LSTM, но исследуем и ее модификации. Учесть период кризиса вроде 2020 года — перспектива для дальнейшей работы», — подытожил Борис Лодягин.
Источник: naked-science.ru
