記事「データサイエンスとML（第46回）：PythonでN-BEATSを使った株式市場予測」についてのディスカッション

[MetaQuotes]

新しい記事「データサイエンスとML（第46回）：PythonでN-BEATSを使った株式市場予測」はパブリッシュされました:

N-BEATSは、時系列予測のために設計された革新的なディープラーニングモデルです。このモデルは、ARIMAやPROPHET、VARなどの従来の時系列予測モデルを超えることを目指して公開されました。本記事では、このモデルについて説明し、株式市場の予測にどのように活用できるかを紹介します。

N-BEATS (Neural Basis Expansion Analysis for Time Series)は、時系列予測のために設計されたディープラーニング（深層学習）モデルです。単変量や多変量の予測タスクに柔軟に対応できるフレームワークを提供します。

このモデルは2019年にElement AI（現在はServiceNowの一部）の研究者によって発表され、論文「N-BEATS: Neural basis expansion analysis for interpretable time series forecasting」に詳細が記載されています。

Element AIの開発者は、従来の統計モデル（ARIMAやETS）が時系列予測で支配的である状況に挑戦しつつ、古典的な機械学習モデルの利点も損なわないモデルを作ろうと考えました。

時系列予測は非常に難しいため、専門家やユーザーはRNNやLSTMなどの深層学習モデルを使うことがあります。しかし、これらのモデルは以下の課題があります。

• 単純なタスクに対しては過剰に複雑である
• 結果の解釈が難しい
• 複雑さに比べて統計モデルのベースラインを常に上回るわけではない

一方で、ARIMAのような従来モデルは、多くのタスクで単純すぎる場合があります。

そのため、著者/開発者は「高精度で解釈可能、ドメイン固有の調整を必要としない時系列予測用深層学習モデル」を作ることを目指しました。

作者: Omega J Msigwa

[nevar]

MetaQuotes:

新しい記事をご覧ください：データサイエンスとML (第46回)：PythonでN-BEATSを使った株式市場予測。

著者オメガ・J・ミシグワ

Omegaさん、ありがとうございます。

N-BEATSは、短期的な季節性と長期的なトレンドの両方を別々に捕捉することを可能にする分解に高速フーリエ変換を利用しています。N-BEATSアルゴリズムには、終値そのものを入力または出力として使用することが適しているのでしょうか？