Обсуждение статьи "Машинное обучение и Data Science (Часть 45): Прогнозирование временных рядов на форексе с моделью PROPHET от Facebook"

[MetaQuotes]

Опубликована статья Машинное обучение и Data Science (Часть 45): Прогнозирование временных рядов на форексе с моделью PROPHET от Facebook:

Разработанная компанией Faceboook модель Prophet позволяет прогнозировать временные ряды, чтобы выявлять тенденции, сезонность и влияние праздников с минимальной ручной настройкой. Метод широко применяется для прогнозирования спроса и бизнес-планирования. В этой статье мы исследуем эффективность модели Prophet в прогнозировании волатильности валютных инструментов. Проверим, можно ли ее применять вне контекста традиционных бизнес-задач.

Модель Prophet — это инструмент с открытым исходным кодом для прогнозирования временных рядов, разработанный компанией Meta (ранее Facebook). Он предназначен для получения точных и удобных в использовании прогнозов для бизнес- и аналитических задач, особенно на временных рядах с выраженной сезонностью и трендами.

Данная модель была представлена Facebook (S. J. Taylor и Benjamin Letham, 2018) и изначально предназначалась для прогнозирования ежедневных данных с недельной и годовой сезонностью, а также с учетом праздничных эффектов. Позднее она была расширена для работы с другими типами сезонных данных. Наилучшие результаты достигаются на временных рядах с выраженной сезонностью и достаточным количеством исторических данных.

Основные термины:

• Trend (тренд) — показывает тенденцию данных к росту или снижению на протяжении длительного периода и отфильтровывает сезонные колебания. 
• Seasonality (сезонность) — это колебания, происходящие в течение короткого периода и недостаточно выраженные, чтобы считаться трендом. 

В этой статье мы разберем и реализуем данную модель на данных Forex и посмотрим, как она может помочь в понимании рыночных данных. Но сначала подробно рассмотрим саму модель.

Автор: Omega J Msigwa