記事「データサイエンスとML（第47回）：DeepARモデルによるPythonでの市場予測」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47回）：DeepARモデルによるPythonでの市場予測」はパブリッシュされました:

DeepARと呼ばれる時系列予測のための優れたモデルを用いて、市場の予測を試みます。DeepARは、ARIMA（自己回帰和分移動平均）やVAR（ベクトル自己回帰）のようなモデルに見られる自己回帰的な性質とディープニューラルネットワークを組み合わせたモデルです。

時系列予測は、機械学習において容易な課題ではありません。この問題に対処するために、これまで多くの手法やモデルが提案されてきましたが、その多くは決定的な成功を収めているとは言えません。線形モデルや非線形モデルも、時系列データの予測においてある程度の精度を示すことはありますが、多くの場合、このタスクに十分適しているとは言えません。

こうした時系列予測に取り組むため、トレーダーはリカレントニューラルネットワーク(RNN)などのニューラルネットワークベースのモデルに頼るようになりました。

しかしながら、RNNは時系列モデルというよりも、むしろ非線形モデルに近い性質を持っています。自己回帰和分移動平均モデル(ARIMA)や自己回帰モデル(AR)に詳しい方であれば、その違いに気づいているかもしれません。これらの手法では、ニューラルネットワークが時系列パターンを学習できるようにするために、データをウィンドウ形式に変換する追加の前処理が必要になります。それにもかかわらず、従来の時系列予測モデルが考慮するような季節性パターンには、依然として十分に対応できていません。

作者: Omega J Msigwa

[Osmar Sandoval Espinosa]

とても興味深い記事だ！

このトピックについてもっと深く知りたいのですが、調べられる本はありますか？

ARIMAS、GARCH、VARについては読んだことがあるのですが、ARIMAとMLモデルについてもっと詳しく知りたいのですが！