<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>wavelets &#8212; &gt; Machine Learning Guru|</title>
	<atom:link href="https://mlgu.ru/tag/wavelets/feed/" rel="self" type="application/rss+xml" />
	<link>https://mlgu.ru</link>
	<description></description>
	<lastBuildDate>Thu, 13 Nov 2025 23:06:08 +0000</lastBuildDate>
	<language>ru-RU</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	<generator>https://wordpress.org/?v=6.9.4</generator>

<image>
	<url>https://mlgu.ru/wp-content/uploads/2025/06/mlguru-icon-150x150.png</url>
	<title>wavelets &#8212; &gt; Machine Learning Guru|</title>
	<link>https://mlgu.ru</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>Wavelet-анализ финансовых данных: преобразование Фурье vs вейвлеты, многомасштабный анализ волатильности</title>
		<link>https://mlgu.ru/5927/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Fri, 31 Oct 2025 20:57:16 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[wavelets]]></category>
		<category><![CDATA[волатильность]]></category>
		<category><![CDATA[временные ряды]]></category>
		<category><![CDATA[торговые стратегии]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=5927</guid>

					<description><![CDATA[Финансовые временные ряды нестационарны: волатильность меняется, тренды возникают и исчезают, корреляции нестабильны. Классический частотный анализ предполагает постоянство частотных компонент во времени, что противоречит природе рыночных данных. Вейвлет-преобразование решает эту проблему через одновременный анализ во временной и частотной областях. Эта статья сравнивает подходы Фурье и вейвлетов к анализу финансовых данных, объясняет механику вейвлет-преобразования и показывает практическое [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Методы аппроксимации временных рядов</title>
		<link>https://mlgu.ru/2982/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Sun, 29 Jun 2025 08:43:19 +0000</pubDate>
				<category><![CDATA[Классический ML]]></category>
		<category><![CDATA[scipy]]></category>
		<category><![CDATA[sklearn]]></category>
		<category><![CDATA[wavelets]]></category>
		<category><![CDATA[временные ряды]]></category>
		<category><![CDATA[прогнозирование]]></category>
		<category><![CDATA[сплайны]]></category>
		<category><![CDATA[фильтры]]></category>
		<category><![CDATA[эконометрические модели]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=2982</guid>

					<description><![CDATA[Методы аппроксимации призваны уловить закономерности за хаосом движений, а также представить сложные данные в виде простой модели, сохраняя при этом их суть. Между тем, качественная аппроксимация &#8212; это не просто подбор кривой, которая &#171;красиво ложится&#187; на исторические данные. Это искусство извлечения сигнала из шума, способность выделить структурные паттерны, которые сохранят свою предсказательную силу в будущем. [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Сравнение временных финансовых рядов: методы, метрики и примеры на Python</title>
		<link>https://mlgu.ru/2163/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Mon, 12 May 2025 22:56:33 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[scipy]]></category>
		<category><![CDATA[statsmodels]]></category>
		<category><![CDATA[time series]]></category>
		<category><![CDATA[wavelets]]></category>
		<category><![CDATA[анализ рынков]]></category>
		<category><![CDATA[временные ряды]]></category>
		<category><![CDATA[стат анализ]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=2163</guid>

					<description><![CDATA[Сравнение временных рядов биржевых активов помогает выявить у кого больше доходность и риск, как они связаны между собой &#8212; движутся ли синхронно, один ли опережает другой, и можно ли использовать эту связь для хеджирования, арбитража или прогнозирования. Понимание того, как правильно сравнивать финансовые временные ряды, может серьезно повлиять на качество торговых стратегий. При этом такой [&#8230;]]]></description>
		
		
		
			</item>
	</channel>
</rss>
