Семантичне прогнозування криз на фінансових ринках у реальному часі з використанням MFFMs/LLM

Abstract

Об’єкт дослідження – системи раннього попередження фінансових криз з використанням методів машинного навчання та семантичного аналізу текстових джерел. Предмет дослідження – методи підвищення точності та надійності прогнозування фінансових криз шляхом комбінування кількісних ринкових індикаторів та LLM-кодування на основі текстових джерел даних у мультифакторній фінансовій моделі. Мета роботи – дослідження та емпірична валідація методу прогнозування криз фінансових ринків шляхом розробки гібридної системи, що поєднує кількісні ринкові індикатори з семантичним аналізом текстів FOMC та Beige Book у конвеєрі retrieval-augmented generation. Методи дослідження – теоретичні (аналіз наукової літератури з систем раннього попередження, порівняння існуючих підходів до прогнозування криз) та практичні (побудова пайплайну ознак, walk-forward бектестування, блоковий бутстрап, абляційні дослідження). Запропонована система забезпечує інтерпретовані прогнози з історичними аналогами та демонструє реальну прогностичну здатність за межами простої детекції поточних кризових станів, що підтверджено тестуванням.