Сравнительный анализ моделей машинного обучения для прогнозирования финансовых временных рядов

Идея инвестирования, находящаяся в фокусе данного исследования, основывается на увеличении доходности инвестора путем снижения его рисков засчет работы с достоверными прогнозами. От качества прогноза напрямую зависит получаемая прибыль. Так, обладатели наиболее совершенных методов анализа и прогнозирования финансовых временных рядов потенциально могут иметь высокую норму прибыли. Целью данного исследования является проведение сравнительного анализа моделей машинного обучения для прогнозирования финансовых временных рядов. Практическая задача данного исследования – обучить модели бинарных классификаторов, которые будут с определенной точностью предсказывать направление движения цены акции на следующий день торгов, основываясь на исторических данных всемирно известных IT компаний. Исследование содержит подробное описание методологии построения и оценки следующих классификаторов: Decision Trees, Random Forest, SVM, Multi-layer Perceptron, Convolutional Neural Networks, Gradient Boosting.