-
Алгоритмы программирования. Что важно знать трейдеру и инвестору?
Работая с большими массивами данных и разрабатывая торговые системы, я неоднократно убеждался, что правильно подобранный алгоритм способен кардинально изменить результаты. Однако важно понимать: не все алгоритмические решения одинаково полезны в контексте финансовых рынков. Существует огромное количество подходов, от примитивных до чрезвычайно сложных, и ваша задача — выбрать те, которые действительно работают в условиях высокой неопределенности.…
-
Тренды временных рядов: Как вычислить их направление и силу?
Выявление тренда временного ряда является must have задачей для любого биржевого аналитика. Однако зачастую это непростая задача — многие временные ряды настолько нелинейны и/или зашумлены, что в них не то что нельзя понять направление и силу тренда, но в принципе невозможно обнаружить какую-либо тенденцию. В этой статье я подробно разберу современные методы выявления трендов, рассмотрю…
-
Рынки капитала: акции, облигации, деривативы. Основы ценообразования и оценки
В этой статье я подробно рассмотрю три основополагающих элемента рынков капитала: акции, облигации и деривативы. Мы погрузимся в их сущность, механизмы функционирования, методы оценки и стратегии работы с ними. Особое внимание я уделю точкам пересечения традиционного финансового анализа с современными методами data science и машинного обучения. Рынки капитала: основные понятия и структура Рынки капитала представляют…
-
Кто такие квант-аналитики (Quantitative Analysts) и чем они занимаются?
В нашей стране профессия «Квант» — это большая редкость. Большинству россиян не понятно кто такие квант-аналитики (Quantitative Analysts) и какую ценность они приносят бизнесу и финансовым рынкам. Между тем в западных странах это крайне востребованная и высокооплачиваемая специальность. В эпоху, когда данные стали новой нефтью, а алгоритмы превратились в мощные инструменты извлечения прибыли, роль этих…
-
Оптимизация цепочек поставок с помощью машинного обучения
Управление современными цепочками поставок — это чрезвычайно сложная задача, которая требует постоянного балансирования между множеством взаимосвязанных факторов. Как эксперт в области анализа данных, я убежден, что применение передовых методов искусственного интеллекта способно радикально преобразить этот процесс, сделав его более эффективным, гибким и устойчивым к различным нарушениям. В этой статье я подробно расскажу, как использование алгоритмов…
-
Прогнозирование трафика и конверсий сайта с помощью Catboost
За последние годы я реализовал множество проектов по прогнозированию метрик веб-сайтов, и могу с уверенностью сказать, что алгоритм CatBoost от Яндекса произвел настоящую революцию в этой области. В данной статье я поделюсь своим опытом использования CatBoost для создания точных прогнозов трафика и конверсий, а также расскажу о тонкостях работы с этим инструментом на реальных данных…
-
Классические методы предиктивной аналитики
Предиктивная аналитика — это область анализа данных, которая использует статистические алгоритмы, машинное обучение и методы искусственного интеллекта для прогнозирования будущих событий или поведения на основе исторических данных. Эта дисциплина находится на стыке статистики, информатики и бизнес-аналитики, что делает ее чрезвычайно мощным инструментом для принятия решений в различных отраслях. Основная идея предиктивной аналитики заключается в том,…
-
Создание ML-модели прогноза действий пользователей интернет-магазина и рекомендательной системы
Сегодня в электронной коммерции успех бизнеса во-многом зависит от способности предугадывать потребности клиентов и предлагать им именно то, что они ищут. И, как показал опыт, правильно реализованные модели могут значительно повысить конверсию, увеличить средний чек и улучшить лояльность клиентов. В этой статье я поделюсь своим опытом и знаниями о том, как создать ML-модель прогноза действий…
-
Прогнозирование временных рядов с помощью N-HITS, N-BEATS
В мире data science и машинного обучения постоянно появляются новые методы и алгоритмы, призванные решать сложные задачи прогнозирования временных рядов. Сегодня я хочу поделиться с вами информацией о двух передовых моделях нейронных сетей для прогнозирования временных рядов: N-HITS и N-BEATS. N-HITS расшифровывается как Neural Hierarchical Interpolation for Time Series, а N-BEATS — Neural Basis Expansion…
-
Прогнозирование трафика и конверсий сайта с помощью SVM, SVR (опорных векторов)
Данные веб-аналитики являются многомерными. И хорошо бы чтобы модель машинного обучения учитывала это. SVM (Support Vector Machines) и SVR (Support Vector Regression) — это мощные алгоритмы машинного обучения, которые отлично подходят для работы с многомерными данными. Когда мы анализируем трафик и конверсии, мы имеем дело с множеством факторов: источники трафика, поведение пользователей на сайте, сезонность,…