Публикации по теме time-series-analysis

Публикации по теме 'time-series-analysis'

Модели ARCH/GARCH для временных рядов

Таблетки машинного обучения — выпуск №4 Волатильность – это статистическая мера разброса данных или отклонения от среднего значения за определенный период времени. В финансах это относится к тому, насколько цена меняется между периодами. Например, если она высока, цена может сильно увеличиваться или уменьшаться от одного дня к другому. Высокая волатильность очень рискованна, она может быть выгодна, если вы хотите быстро получить большую прибыль, но также может привести к потере..

Учебное пособие по методам сглаживания временных рядов

ВРЕМЕННАЯ ПОСЛЕДОВАТЕЛЬНОСТЬ Это данные, состоящие из единиц наблюдения, упорядоченных по времени. Это могут быть данные о погоде, данные фондового рынка. Другими словами, это данные, состоящие из значений наблюдений, упорядоченных по времени. Есть 2 темы для объяснения: Методы сглаживания Статистические методы Здесь будут объяснены методы сглаживания. Статистические методы объясняются в другой статье. Вы можете найти эту статью по ссылке:..

Матричная модель авторегрессии для прогнозирования многомерных временных рядов

Простая реализация Python с Numpy Процесс авторегрессии (AR) - это типичная и классическая модель анализа временных рядов, которая имеет широкое применение в природе, науке и экономике. AR может описывать определенные изменяющиеся во времени процессы с линейной зависимостью в одномерном временном ряду. Другой важный аналог AR - модель векторной авторегрессии (VAR), которая может описывать модели коэволюции многомерных временных рядов. В этом сообщении блога мы будем ввести модель..

Реализация причинного воздействия поверх вероятности TensorFlow

Использование структурных временных рядов для определения причинно-следственной связи между переменными. Однажды ко мне подошел мой хороший друг и коллега и задал вопрос, который «не дает мне покоя» по сей день. Фактически, этот пост, написанный спустя годы после этого вопроса, является производным от этого разговора. Он спросил: -Эй, мужик! Мы пытаемся решить интересную проблему, может, вы нам поможете! Проблема в том, что мы хотим провести маркетинговую кампанию на национальном..

Зачем помещать результаты машинного обучения на панель инструментов

Наивный вопрос новичка При попытке выполнить анализ временных рядов необходимо проверить множество вещей. Например, на приведенном выше GIF-изображении я пытаюсь пролистать графики Matplotlib для каждого временного ряда для проверки стационарности. ОБНОВЛЕНИЕ: GIF-изображения в этой статье основаны на более старой версии atoti. Мы выпустили гораздо более плавные и еще более функциональные информационные панели и виджеты с последней версией atoti. Перейдите по этой ссылке ,..

Учебное пособие по временным рядам с использованием NeuralProphet

В этой статье мы построим модель прогнозирования временных рядов с использованием NeuralProphet. NeuralProphet — это модель временных рядов на основе нейронной сети, вдохновленная Facebook Prophet и AR-Net , построенная на PyTorch. В этой статье мы будем использовать набор данных AirPassengers, который предоставляет ежемесячные данные о пассажирах авиакомпаний США с 1949 по 1960 год. Учебник этой статьи: Введение в NeuralProphet Преимущества NeuralProphet Отличия от..

Прогнозирование цены Ethereum с использованием временных рядов и алгоритмов машинного обучения

Источник: www.dreamstime.com Введение Ethereum — это децентрализованная технология блокчейна, которая имеет широкий спектр функций, начиная от создания приложений, хранения активов в виде криптовалюты эфира и облегчения смарт-контрактов, и все это контролируется рыночными силами покупки и продажи. Анализ временных рядов — это анализ данных во времени для выявления закономерностей и тенденций. Машинное обучение — это использование алгоритмов для выявления закономерностей и..