Построение модели автоматиечкого прогнозирования временных рядов жизненных циклов клиентов банка

В банковской сфере существует необходимость в построении модели автоматического прогнозирования временных рядов различной природы для использования на больших объемах данных. В настоящее время насчитывается огромное количество различных подходов для прогнозирования, такие как ARIMA, ARCH, регрессионные модели, нейросетевые подходы и другие. Однако эти методы невозможно назвать универсальными, ведь, чтобы понять какой именно алгоритм применить в конкретной задаче необходимы фундаментальные знания в предметной области и понимание устройства исходных данных. Поэтому для автоматизации прогнозирования временных рядов нужен подход, оперирующий минимальным количеством гиперпараметров. Суть подхода, описанного в данной работе, в том, что временные ряды разбиваются на кластеры, внутри которых данные имеют схожее поведение. На каждом из кластеров обучается простая модель с минимальным количеством гиперпараметров, которая прогнозирует только данные из своего кластера. В процессе выполнения данной работы был реализован программный пакет, позволяющий использовать представленное решение внутри банка для автоматического решения некоторых бизнес-задач.