Финансовые временные ряды — это последовательность значений, меняющихся во времени, например цены акций или их волатильность (насколько сильно эти цены колеблются). Такие данные сложно прогнозировать, ведь на них влияет множество факторов: новости, поведение инвесторов и случайные события. Часто это накладывается друг на друга, из-за чего закономерности в данных становятся нестабильными. Поэтому модели для прогноза либо требуют сложной настройки под конкретный случай, либо выдают результат, который будет неприменим на практике.
🗂️ Что придумали учёные?
Научно-учебная лаборатория моделей и методов вычислительной прагматики ФКН НИУ ВШЭ предложила использовать вейвлет-преобразования для более точного прогнозирования. Это способ, который помогает представить временной ряд как сумму компонент с разной детализацией и отделить шумы различного порядка.
✅ Исследователи также разработали алгоритм, сопоставимый с лучшими моделями по точности, но при этом требующий меньше вычислительных мощностей.
«Хотя метод тройной поправки не всегда даёт наилучший результат для каждого конкретного ряда, он стабильно показывает хороший прогноз для большинства случаев, а именно этого часто не хватает на практике. Узкоспециализированные модели могут работать лучше, но быстро теряют эффективность при изменении условий»,
— комментирует один из авторов исследования, сотрудник НУЛ моделей и методов вычислительной прагматики ФКН Вячеслав Маневич.
⭐️Исследование опубликовано в журнале Applied Soft Computing