Прогнозирование финансовых временных рядов на много шагов вперёд

Прогнозирование финансовых временных рядов является одной из наиболее актуальных задач прикладной математики в сфере финансов. Действительно, знание об изменении значения финансового показателя в будущем и своевременно предпринятые действия могут способствовать получению высокой прибыли или предотвращению возможных убытков. Многие из существующих подходов прогнозирования имеют хорошие результаты предсказания только на один шаг вперед, а по мере увеличения количества шагов ошибка увеличивается экспоненциально. Такую тенденцию можно объяснить с точки зрения теории динамического хаоса. В данной работе учитываются следствия из теории динамического хаоса и производится улучшение алгоритма прогнозирования временных рядов на много шагов вперед, который основан на выделении паттернов поведения и их последующей кластеризации, применением методов машинного обучения. По итогам работы удалось повысить точность предсказаний базового алгоритма на ряде Лоренца и сделать приемлемые предсказания для реального финансового ряда.