記事「データサイエンスとML（第42回）：PythonでARIMAを用いた外国為替時系列予測、知っておくべきことすべて」についてのディスカッション

新しいコメント
 

新しい記事「データサイエンスとML（第42回）：PythonでARIMAを用いた外国為替時系列予測、知っておくべきことすべて」はパブリッシュされました:

ARIMAは自己回帰和分移動平均(Auto Regressive Integrated Moving Average)の略称で、強力な従来の時系列予測モデルです。このモデルは、時系列データ内の急上昇や変動を検出する機能により、次の値を正確に予測できます。この記事では、ARIMAが何であるか、どのように機能するか、市場での次の価格を高い精度で予測する際に何ができるかなどについて説明します。

時系列予測とは、一連のデータポイントにおける将来の値を予測するために過去のデータを使用するプロセスです。このシーケンスは通常、時間順に並べられるため、時系列と呼ばれます。

データにはいくらでも特徴量を持たせることができますが、時系列分析や予測のためのデータには、必ずこの2つの変数が必要です。

  1. 時間

     これは独立変数で、データポイントが観測された特定の時点を表します。

  2. 目標変数

    過去の観測値やその他の要因に基づいて予測したい値です（例：日次の株価終値、時間ごとの気温、1分ごとのWebサイトアクセス数など）。


作者: Omega J Msigwa

 

素晴らしい内容。

まさに私が探していたものだ。

おそらくトレーディングで使うことはないだろうが、非常に興味深い。

ARIMAについては、ペリー・J・カウフマンの著書「トレーディング・システム＆メソッド」で初めて知りました。

ARIMAを使ってトレードに成功した人はいますか？

新しいコメント