Долгосрочный прогноз валютных пар

СФЕРА ДЕЯТЕЛЬНОСТИ

Создание прогноза на основе исторических данных - российский рубль белорусский рубль.

Прогнозирование валютного рынка в реальном времени. Фундаментальный анализ рынка и проверенная финансово-экономическая информация. Получите существенное преимущество на каждый день перед другими участниками фондовых, валютных и товарных бирж.

Использование регрессионной модели ARIMA

ARIMA процесс - это один из видов стохастических процессов, применяемых в ходе анализа временных рядов. Для построения точных прогнозов модель полагается исключительно на информацию, которая содержится в предыстории прогнозируемого ряда ценовых графиков.

Применение авторегрессионных моделей ARCH

Реализация методов ARCH и GARCH - авторегрессионная условная гетероскедастичность позволяет моделировать изменения в дисперсии зависящих от времени временных рядов (в финансовых приложениях, увеличение или уменьшение волатильности) в одном и том же ряду.

Изучение временных рядов нейронной сетью RNN-LSTM

Это тип рекуррентной нейронной сети, способной изучать зависимость порядка в задачах предсказания последовательности, специально разработанная для решения проблемы исчезающего градиента. Состоит из набора периодически связанных блоков и отличает от традиционных нейронных сетей.

Adam: метод стохастической оптимизации

Алгоритм градиентной оптимизации стохастических объективных функций первого порядка, основанный на адаптивных оценках значений нижнего порядка. Эффективен в вычислениях, инвариантен к диагональному изменению градиентов и хорошо подходит для задач с большим количеством данных.

RMSE - Среднеквадратичная ошибка / отклонение

(RMSE) - это стандартная методика для измерения ошибки модели при прогнозе количественных данных. Показывает насколько прогнозируемые значения отклоняются от измеренных истинных значений, используя евклидовы расстояния для минимизации ошибки во время обучения модели.