Например, вот такое можно по-быстрому получить на returns (обучил только на последних 500 значениях, ARIMA(5,1,0)). Синий ряд — оригинал, зеленый — прогноз.
Я думаю, что будет работать схоже с сверточными нейронными сетями. Вообще если говорить в контексте трейдинга/предсказания рынка более важны входные данные (одним временным рядом не обойдемся никак), если в контексте прогнозирования временных рядов — с перодичными, стационарными, с четко выраженными паттернами лучше справляются CNNs, с менее однородными стоит пробовать разные рекуррентные сети, иногда надо извлекать признаки Фурье-преобразованиями/вейвлетами и так далее. Сильно зависит от данных и постановки задачи.
А разве этот пайплан для прогнозирования временных рядов не подходит?
То, что мы не предсказываем рынок идеально было очевидно изначально, но вот для работы с многими другими данными от электрокардиограмм до показателей производства электроэнергии работает отлично (замените MLP на сверточные сети, добавьте переменных и гиперпараметры затюньте)
То, что мы не предсказываем рынок идеально было очевидно изначально, но вот для работы с многими другими данными от электрокардиограмм до показателей производства электроэнергии работает отлично (замените MLP на сверточные сети, добавьте переменных и гиперпараметры затюньте)