Вероятностный анализ, машинное обучение и рогнозирование временных рядов с помощью метода Байеса

Abstract

Analysis and forecasting for time series are very important problems, especially on financial markets. In the article we discussed the technology of machine learning that can be used for their solving. We consider the method of forecasting based on Bayes rule. The historical data of the Moscow Exchange were used for algorithm’s testing. For RTS Index Futures and USD-RUB Futures we scrutinized the efficiency of our machine learning methods. We proposed the possible algorithm for HFT robot that can provide the probability to get profit greater than the probability of losses.

Анализ и прогнозирование временных рядов являются очень важными задачами, особенно в приложении к финансовым рынкам. В статье мы обсудили технологию машинного обучения, которая может быть использована для их решения. Был рассмотрен метод прогнозирования на основе правила Байеса. Для тестирования алгоритма использовались исторические данные ММВБ. Для фьючерсов на индекс РТС и фьючерсов на доллары США была проанализирована эффективность предложенных алгоритмов машинного обучения. На этой основе предложен возможный алгоритм для робота HFT, который может обеспечить вероятность получения прибыли, превышающую вероятность потерь.