СИНГУЛЯРНОЕ РАЗЛОЖЕНИЕ И ЛИНЕЙНАЯ РЕГРЕССИЯ В ЗАДАЧЕ ПРОГНОЗИРОВАНИЯ ДИНАМИКИ ПОВЕДЕНИЯ ЦЕННЫХ БУМАГ

Солобуто Алексей Викторович, Павлов Валерий Анатольевич

В работе исследуется применение сингулярного разложения (SVD) как инструмента для анализа линейной зависимости прогнозируемой цены акций от набора биржевых индикаторов. Сингулярное разложение используется для разложения матрицы признаков, что позволяет выявить наиболее значимые компоненты [1], описывающие вариации в данных, и определить степень линейной зависимости между индикаторами и целевой переменной — ценой акций. Этот подход способствует снижению размерности данных, устранению мультиколлинеарности и выделению ключевых факторов, влияющих на цену. Кроме того, в работе решается задача регрессии для прогнозирования стоимости акций в краткосрочной перспективе на основе выделенных признаков. Для этого применяются методы машинного обучения, такие как линейная регрессия, регуляризованные модели (например, Ridge или Lasso) или более сложные алгоритмы, такие как градиентный бустинг, в зависимости от характеристик данных. Для оценки работы регрессионых моделей применяются следующие метрики: среднеквадратичная ошибка (MSE), средняя абсолютная ошибка (MAE), коэффициент детерминации (R²) [2]. Полученные результаты могут быть использованы для разработки торговых стратегий или поддержки принятия инвестиционных решений в условиях краткосрочной торговли.

Ключевые слова:сингулярное разложение, линейная регрессия, линейная зависимость, ценные бумаги, индикаторы