-
Сезонность временных рядов. В чем отличие аддитивной от мультипликативной?
Сезонность — это регулярно повторяющиеся паттерны в данных, которые происходят с фиксированной периодичностью. Работая с разнообразными временными рядами, я неоднократно наблюдал эти циклические колебания в самых разных областях: от розничных продаж и туристических потоков до энергопотребления и финансовых показателей. Природа и причины сезонности Сезонные колебания возникают по множеству причин, часто связанных с естественными циклами или…
-
Теория вероятностей и биржевая торговля
Современный трейдинг давно перестал быть уделом интуитивных игроков. В мире, где алгоритмические стратегии доминируют над финансовыми рынками, понимание математических основ, лежащих в основе рыночных процессов, становится ключевым преимуществом. В течение последних десяти лет я изучаю применение продвинутых стохастических моделей для анализа и прогнозирования рыночной динамики и хочу поделиться ключевыми аспектами этого подхода. Финансовые рынки представляют…
-
Стационарность временных рядов. Как анализировать нестационарные данные?
Работая с временными рядами в течение многих лет, я неизменно сталкиваюсь с фундаментальным вопросом стационарности данных. Стационарность — это не просто теоретическое понятие, а критически важное свойство, определяющее применимость большинства методов анализа и прогнозирования. Когда временной ряд стационарен, его статистические свойства не меняются со временем — это означает постоянство среднего значения, дисперсии и ковариационной структуры.…
-
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…
-
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…
-
Прогнозирование временных рядов с помощью ARIMA, SARIMA, ARFIMA
В мире анализа данных и машинного обучения прогнозирование временных рядов остается одной из самых востребованных и сложных задач. За годы работы с различными проектами в области Data Science я неоднократно сталкивался с необходимостью построения точных прогнозов на основе исторических данных. В этой статье я поделюсь своим опытом использования классических моделей прогнозирования ARIMA, SARIMA и ARFIMA,…
-
Поиск аномалий в данных с Python
Аномалии в данных (или выбросы) представляют собой нетипичные, необычные или экстремальные значения, которые могут указывать на ошибки, всплески, странные события, атаку конкурентов, мошенников и другие потенциальные проблемы. Большое количество аномалий не только пагубно влияет на многие бизнес-модели, но еще может затруднить машинное обучение или вовсе исказить его результаты. Вот почему их важно обнаруживать и работать…
-
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,…
-
Анализ акций Tesla с помощью Python
Целью этого проекта был анализ возможностей Python для исследования цен на акции. Легенда этого исследования такова: некий инвестор хочет инвестировать в акции Tesla, потому что он видит хорошую тенденцию к росту на многочисленных биржевых сайтах. Я, как аналитик, должен ответить ему хорошее ли сейчас время для покупки или нет. Поскольку Python сам строит графики, а…