Архитектура и алгоритмы адаптивной системы поддержки принятия решений на финансовых рынках

Статья посвящена разработке метода и архитектуры адаптивной системы поддержки принятия решений (СППР) в условиях нестационарных временных рядов. Представлена формализация СППР как информационной си стемы с явным выделением входных данных, выходных решений, функции принятия решений и управляю щих параметров, отличающаяся от экспертно-ориентированных формализаций двухуровневой декомпозицией функции решений F = F_adapt ‧ F_predict и явным контуром адаптации. Разработан метод адаптивной настройки параметров анализа временных рядов на основе степенной функции волатильности, отличающийся от извест ных аналогово-периодических подходов и линейно-адаптивных моделей тем, что адаптация интегрирована не посредственно в конвейер формирования признаков глубокой нейронной сети. Предложена архитектура гиб ридной системы с конкретными гиперпараметрами: LSTM 128 нейронов, lookback 60 наблюдений, dropout 0.2. Экспериментальная проверка проведена на данных финансовых рынков (2018–2023 гг.) с применением абла ционного исследования и скользящей кросс-валидации. Результаты показывают превосходство предложенного подхода над базовыми методами по всем метрикам качества