Алгоритмы машинного обучения в прогнозировании поведения цен финансовых активов

Прогнозирование поведения цен финансовых активов с использованием моделей классификации или регрессии представляет собой трудоемкий процесс, который усложняется с каждым годом, несмотря на большое количество публикаций в рамках данного направления. В целом, эта проблема усложняется нелинейной тенденцией движения временных рядов и непредсказуемым поведением цен финансовых активов. В первой главе работы представлен сравнительный анализ методов, основанных на машинной обучении, применяемых в исследовании временных, в том числе финансовых рядов. В работе представлены методы обучения алгоритмов, основанные на AdaBoost, Bootstrap Aggregating, методе k - ближайших соседей, Gradient boosting и Random Forest. Основная цель работы состоит в проверке возможности применения алгоритмов машинного обучения в прогнозировании цен финансовых активов. Вторая глава работы содержит эмпирическую реализацию представленных алгоритмов машинного обучения. В обучении алгоритмов используется выборка, основанная на ценах акций компании ExxonMobil. Полученные в ходе обучения классификаторы прошли процедуру проверки возможностей прогнозирования на тестовой выборке. В результате обучения алгоритмов, основанных на градиентном бустинге и методе случайного леса было получено неплохое качество прогнозирования на тестовой выборке, в то время как остальные алгоритмы показали плохие результаты, что было связано с переобучением.