Одним из перспективных классов моделей для решения финансовых задач в последние годы выступает обучение с подкреплением (RL). Каузальное обучение с подкреплением (CRL), комбинирующее методы причинно-следственного анализа и классического RL подхода, позволяет улучшить интерпретируемость получаемых моделей. В работе рассматриваются формальные требования, которым должна удовлетворять модель CRL для прогнозирования финансовых временных рядов. Рассмотрены два класса требований: требования к получаемой каузальной модели и требования к реализации алгоритма обучения с подкреплением. Формализована итоговая структура CRL модели, которая может быть использована для прогнозирования финансовых временных рядов.

Ракич Т. (науч. рук. Воскресенский А.Г.) Формализация требований к модели crl для решения задач прогнозирования финансовых временных рядов // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2026]. URL: https://kmu.itmo.ru/digests/article/16394