Обсуждение статьи "Машинное обучение и Data Science (Часть 42): Прогнозирование фондовых рынков с использованием N-BEATS в Python"

Новый комментарий
 

Опубликована статья Машинное обучение и Data Science (Часть 42): Прогнозирование фондовых рынков с использованием N-BEATS в Python:

N-BEATS — это революционная модель глубокого обучения, разработанная для прогнозирования временных рядов. Она была выпущена в попытке превзойти возможности классических моделей прогнозирования временных рядов, таких как ARIMA, PROPHET, VAR и др. Познакомимся с данной моделью и посмотрим на возможности ее применения для прогнозирования фондового рынка.

N-BEATS (Neural Basis Expansion Analysis for Time Series) — это модель глубокого обучения, специально разработанная для прогнозирования временных рядов. Она обеспечивает гибкую архитектуру для задач прогнозирования как одномерных, так и многомерных временных рядов.

Модель была представлена исследователями из Element AI (ныне часть ServiceNow) в 2019 году в статье N-BEATS: Neural basis expansion analysis for interpretable time series forecasting.

Разработчики Element AI создали эту модель, чтобы бросить вызов доминированию классических статистических моделей, таких как ARIMA и ETS, в задачах прогнозирования временных рядов, сохранив при этом возможности, предоставляемые классическими моделями машинного обучения.

Мы знаем, что прогнозирование временных рядов — это сложная задача, поэтому эксперты по машинному обучению и пользователи иногда обращаются к моделям глубокого обучения, таким как RNN, LSTM и др., которые часто:

  • Сложны для простых задач
  • Трудны для интерпретации
  • Не всегда превосходят статистические базовые модели, несмотря на свою сложность

В то же время традиционные модели прогнозирования временных рядов, такие как ARIMA, зачастую слишком просты для многих задач.

Поэтому авторы решили создать модель глубокого обучения для прогнозирования временных рядов, которая хорошо работает, интерпретируема и не требует специфической настройки под конкретную область.


Автор: Omega J Msigwa

 
MetaQuotes:

Ознакомьтесь с новой статьей: Наука о данных и ML (часть 46): Прогнозирование фондовых рынков с помощью N-BEATS в Python.

Автор: Omega J Msigwa

Очень хорошая статья, спасибо Omega.
Поскольку для разложения используется быстрое преобразование Фурье, которое позволяет модели улавливать как краткосрочную сезонность, так и долгосрочные тренды по отдельности. А использование самой цены закрытия в качестве входных или выходных данных подходит для алгоритма N-BEATS?

Новый комментарий