arXiv · 28.06.2026 ·Машинное обучение

Прогнозирование волатильности цен на сельхозпродукцию с помощью ML

Исследователи разработали модель машинного обучения для предсказания резких скачков цен на овощи в условиях изолированных рынков на примере Шри-Ланки. Система учитывает специфику цепочек поставок и сезонные циклы выращивания культур, позволяя точнее прогнозировать ценовую нестабильность. Метод помогает минимизировать риски продовольственной безопасности, возникающие из-за локальных сбоев в поставках и отсутствия возможности оперативного импорта товаров.

Ключевой особенностью подхода стало внедрение признаков, учитывающих логистические цепочки, и явное моделирование двух основных аграрных сезонов: «Маха» (с октября по апрель) и «Яла» (с мая по сентябрь). Такой подход позволяет алгоритму адаптироваться к естественным колебаниям урожайности, которые традиционно провоцируют двукратный рост цен в течение недели в условиях закрытого рынка.

Модель демонстрирует высокую эффективность в прогнозировании краткосрочных ценовых шоков. Использование данных о сезонности в сочетании с параметрами цепочек поставок дает возможность государственным органам и участникам рынка заранее планировать объемы закупок и распределение ресурсов, снижая негативные последствия для конечных потребителей.

Ключевые факты

Исследование сфокусировано на рынках с высокой степенью изоляции от импорта, где локальные сбои вызывают резкую волатильность.
Модель учитывает два ключевых аграрных сезона Шри-Ланки: «Маха» (октябрь–апрель) и «Яла» (май–сентябрь).
В архитектуру ML-фреймворка интегрированы специфические признаки цепочек поставок для повышения точности прогнозов.
Разработка направлена на стабилизацию цен на продовольствие и предотвращение резких скачков стоимости базовых продуктов питания.

Источник: arXiv

Обсудить с ИИ

Похожие материалы

arXiv · Исследования и наука Анализ денежных переводов Шри-Ланки: применение ML к макроэкономическим данным Исследователи представили комплексный анализ миграционных потоков и денежных переводов в Шри-Ланке за 32-летний период (1994–2025 годы). Используя гармонизированный набор данных из 384 месяцев, авторы применили методы эконометрического моделирования и машинного обучения для выявления ключевых факторов, влияющих на приток капитала в страну, включая динамику валютных курсов и мировые цены на энергоносители. arXiv · Исследования и наука Закон масштабирования для прогнозирования биржевых стаканов Исследователи проанализировали применимость законов масштабирования (scaling laws) к задачам прогнозирования лимитных книг заявок (LOB). Изучив широкий спектр моделей — от простых деревьев решений до специализированных нейронных архитектур, таких как MLPLOB, — авторы установили, что зависимость между вычислительными затратами на инференс и точностью прогноза описывается степенным законом. Это позволяет оптимизировать архитектуры для высокочастотного трейдинга. arXiv · Исследования и наука Улучшение точности прогнозирования LLM через управление признаками Исследователи представили метод повышения качества прогнозирования в больших языковых моделях, основанный на анализе их внутренних состояний. Используя разреженные автокодировщики, авторы выявили, что модели часто опираются на специфические временные знания, а не на общие закономерности. Управление этими внутренними признаками позволяет сместить фокус модели на обобщаемые паттерны, что значительно повышает точность предсказаний в различных задачах. arXiv · Машинное обучение Применение XAI для анализа европейского рынка электроэнергии Исследователи представили подход к интерпретации глубоких нейронных сетей, используемых для прогнозирования цен на электроэнергию в Европе. Несмотря на высокую точность нейросетевых моделей в предсказании рыночных колебаний, их «черный ящик» затрудняет понимание факторов, влияющих на ценообразование. Авторы работы применили методы объяснимого искусственного интеллекта (XAI) для декомпозиции сложных нелинейных зависимостей, характерных для энергетических систем. Hacker News · ИИ в бизнесе Анализ эффективности ИИ-алгоритмов в автоматизированной торговле Разработчик провел исследование жизнеспособности торгового бота на базе больших языковых моделей, предназначенного для работы на криптовалютном рынке. В ходе эксперимента система анализировала новостные заголовки и рыночные данные для принятия решений о покупке или продаже активов. Целью проекта была проверка гипотезы о том, что современные модели способны находить неэффективности рынка и обеспечивать доходность выше рыночной. Hacker News · Оценка и бенчмарки Анализ производительности и стоимости API для модели GLM-5.2 Max Аналитический сервис Artificial Analysis опубликовал подробный бенчмарк модели GLM-5.2 Max от Zhipu AI. Исследование охватывает ключевые метрики производительности, включая скорость генерации токенов и задержку ответа, а также сравнивает ценовые предложения различных API-провайдеров. Данные позволяют оценить эффективность интеграции модели в высоконагруженные системы и оптимизировать расходы на инференс в зависимости от выбранного поставщика услуг. Hacker News · Прогнозы и тренды Анализ динамики цен на использование LLM за два месяца Исследование рынка API для больших языковых моделей выявило ключевые изменения в ценовой политике ведущих провайдеров за восьминедельный период. Анализ охватил стоимость токенов для широкого спектра моделей, включая флагманские решения от OpenAI, Anthropic и Google. Данные показывают, что конкуренция между разработчиками ИИ-систем перешла в фазу активного снижения стоимости инференса, что напрямую влияет на экономику внедрения генеративных инструментов в бизнес-процессы. arXiv · Обучение и дообучение Масштабируемые законы дистилляции LLM для узкоспециализированных задач Исследователи вывели эмпирические законы масштабирования для дистилляции LLM, позволяющие прогнозировать качество сжатых моделей в зависимости от объема данных и коэффициента компрессии. Работа решает проблему высокой стоимости и задержек при развертывании крупных моделей, предлагая математически обоснованный подход к созданию компактных и эффективных версий нейросетей для специфических доменов без потери критических знаний. Hacker News · ИИ в бизнесе Система автоматизированного анализа фондового рынка на базе LLM Проект Daily_stock_analysis представляет собой комплексную систему для автоматизированного сбора и интерпретации данных фондового рынка. Инструмент использует возможности больших языковых моделей для обработки финансовых новостей, отчетов и рыночных показателей, формируя ежедневные аналитические сводки по различным активам. В основе решения лежит пайплайн, который объединяет парсинг актуальных данных из открытых источников с последующим семантическим анализом для выявления ключевых рыночных трендов. Hacker News · Оценка и бенчмарки Models Pie: визуализация баланса скорости, цены и качества LLM Сервис Models Pie представил интерактивный инструмент для сравнения популярных языковых моделей на основе трех ключевых метрик: скорости генерации, стоимости токенов и качества ответов. Платформа агрегирует данные о производительности актуальных LLM, позволяя разработчикам и бизнесу подбирать оптимальное решение под конкретные задачи, где критически важен баланс между затратами на инференс и временем отклика.

← Все материалы