Об'єктом дослідження є випадкові події при формуванні нових економічних та фінансових моделей, зокрема, при кардинальних змінах економічної та соціальної стратегій. Область застосування та різнома нітність методів, використовуваних в завданнях прогнозування випадкових процесів, велика. Перспективним математичним апаратом вирішення проблеми є статистичні методи аналізу. На сьогоднішній день існує багато методів прогнозування випадкових процесів, проте більшість існуючих моделей не є придатними для прогнозування нестаціонарних процесів. Одним з найбільш проблемних місць в прогнозуванні часових рядів є те, що єдиної методології, за якою можна було б аналізувати характеристики нестаціонарного випадкового процесу, не існує. Тому необхідно розробляти спеціальні методи аналізу, які можливо засто совувати до окремих випадків нестаціонарних процесів. Оптимальним варіантом вирішення проблеми може стати апроксимація часового ряду дрібнораціональними функціями або так звана апроксимація Паде. Такий підхід повинен мати перевагу від поліноміальної апроксимації. При поліноміальній апроксимації поліном не може мати горизонтальної асимптоти, що не дає можливості робити довгострокові прогнози. Раціональна апроксимація гарантовано прагне до горизонтальної асимптоти, при цьому усі полюси дрібно раціональної функції повинні лежати у лівій частині pплощини, тобто площини перетворення Лапласа. Запропоновано метод прогнозування нестаціонарних часових рядів з високою точністю оцінювання та гнучкістю параметрів. Для забезпечення стійкості методу та стабільності отриманих результатів запропоновано примусове введення полюсів апроксимуючої функції в зону стійкості-одиничне коло zпло щини з дотриманням правил конформного перетворення. А саме-трансформацією лінійних розмірів та зі збереженням кутів між ортогональними координатами на нескінченно малих околицях координатної площини (так званий консерватизм кутів). Показано, що при дотриманні конформності запропонованого перетворення зберігаються динамічні характеристики системи оцінювання та прогнозування. Цей метод особливо успішно може застосовуватися при наявності нестаціонарностей самої різної природи.