Których algorytmów uczenia maszynowego można użyć do prognoz szeregów czasowych?

Obecnie bawię się prognozami szeregów czasowych (szczególnie na rynku Forex). Widziałem kilka artykułów naukowych na temat sieci stanów echa, które są stosowane do prognoz Forex. Czy istnieją inne dobre algorytmy uczenia maszynowego do tego celu?

Interesujące byłoby również wydobycie „rentownych” wzorów z szeregów czasowych.

Oto trzy artykuły ankietowe, które badają wykorzystanie uczenia maszynowego w prognozowaniu szeregów czasowych:

• „Empiryczne porównanie modeli uczenia maszynowego do prognozowania szeregów czasowych ” autorstwa Ahmeda, Atiya, El Gayara i El-Shishiny zapewnia empiryczne porównanie kilku algorytmów uczenia maszynowego, w tym:

„... perceptron wielowarstwowy, bayesowskie sieci neuronowe, radialne funkcje bazowe, sieci neuronowe regresji uogólnionej (zwane również regresją jądra), regresja K-najbliższego sąsiedztwa, drzewa regresji CART, regresja wektora wsparcia i procesy Gaussa”.

• „Prognozowanie finansowych szeregów czasowych za pomocą technik uczenia maszynowego: ankieta” Krollnera, Vanstone i Finnie stwierdza:

„... że sztuczne sieci neuronowe (ANN) są dominującą techniką uczenia maszynowego w tym obszarze.”

• „Strategie uczenia maszynowego do prognozowania szeregów czasowych” Bontempi, Bena Taieba i Le Borgne koncentrują się na trzech aspektach:

„... sformalizowanie problemów prognozowania jednoetapowego jako nadzorowanych zadań edukacyjnych, dyskusja lokalnych technik uczenia się jako skutecznego narzędzia do radzenia sobie z danymi czasowymi oraz rola strategii prognozowania, gdy przechodzimy od jednego kroku do wielu- prognozowanie kroków ”.