Improved model of ELASTIC NET regularization for financial time series
DOI:
https://doi.org/10.31649/1681-7893-2025-49-1-29-35Keywords:
Elastic Net, Gaussian weight decay, time series data processing, time series forecasting, financial markets, adaptive weighting, S&P 500, Dow Jones, Nasdaq CompositeAbstract
This paper proposes a modification of Elastic Net regression for short-term forecasting of financial time series by introducing Gaussian weight decay. The new approach is designed to smooth the abrupt “jumps” between the last historical observation and the first forecast—an issue typical of standard regularization. To assess its effectiveness, we formally derive the Elastic Net model with four weighting schemes (no decay, linear, exponential, and Gaussian) and conduct empirical experiments on the S&P 500, Dow Jones Industrial Average, and Nasdaq Composite indices over the period 2020–2025. The results demonstrate that Gaussian decay minimizes the transition gap and achieves the lowest RMSE and Deviation for the S&P 500 and Nasdaq Composite, whereas exponential decay proves optimal for the Dow Jones Industrial Average.
References
Hastie, T., Tibshirani, R., & Friedman, J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2nd edition. Springer, – 2009 – 533p, https://doi.org/10.1007/978-0-387-84858-7.
Zou H., Hastie T. Regularization and variable selection via the elastic net. J. R. Stat. Soc. Series B, 2005, 67(2): 301–320, https://doi.org/10.1111/j.1467-9868.2005.00503.x.
Wang Y., Hao X., Wu C. Forecasting stock returns: A time-dependent weighted least squares approach. Journal of Financial Markets, 2021, 53: 100568, https://doi.org/10.1016/j.finmar.2020.100568.
Dikheel T.R., Yaseen A.Q. Robust lag weighted lasso for time series model. J. Modern Applied Statistical Methods, 2021, 19(1): 14, https://doi.org/10.56801/10.56801/v19.i.1081.
Lütkepohl, H., Xu, F. The role of the log transformation in forecasting economic variables. Empir Econ 42, 2012, 619–638, https://doi.org/10.1007/s00181-010-0440-1.
Tsay R.S. Analysis of Financial Time Series. 2nd ed. Wiley, 2010, https://doi.org/10.1002/9780470644560.
E. S. Gardner Jr., Exponential Smoothing: The State of the – Part II. International Journal of Forecasting, 22(4), 637–666, https://doi.org/10.1016/j.ijforecast.2006.03.005
R.J. Hyndman, A.B. Koehler. Another look at measures of forecast accuracy. Int. J. Forecast., 2006, 22(4):679–688, https://doi.org/10.1016/j.ijforecast.2006.03.001
Downloads
-
PDF (Українська)
Downloads: 2
Published
How to Cite
Issue
Section
License
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
