Застосування дерев класифікації та регресії до прогно-зування часових рядів фінансових інструментів

Робота присвячена задачам прогнозування часових рядів фінансових інструментів з використанням методів і моделей машинного навчання. Запропоно-вано алгоритм бінарного авторегресійного дерева(BART), який є більш придатним для аналізу скалярних часових рядів. АлгоритмBART поєднує класичний алгоритм методу дерев класифікації та регресії C&RT і стандартні авторегресійні моделіARIMA. Особливістю даного алгоритму є критерій обрання кращого розщеплення(або критерій інформативності) на основі по-казника ентропії, оскільки він надає перевагу варіантам дерев із меншою складністю. Для вихідного часового ряду у запропонованому алгоритмі застосовується метод«ві-конного» перетворення даних. Результатом цього перетворення є розділення просто-ру вхідних змінних на сегменти, що дозволяє побудувати для кожного з них власну (локальну) модель. Оскільки кінцевою метою запропонованого алгоритму є прогнозу-вання, то на вузлах-листях будується стандартна авторегресійна модель класу ARIMA, яка є традиційним інструментом прогнозування фінансових часових рядів. Окрім цього, застосування ітераційного методу вBART дозволяє глибоко контролю-вати процес побудови дерева, і тим самим, забезпечує більш«м'який» контроль процесу його побудови за рахунок: визначення довільного порядку розщеплення вузлів; впровадження правил ранньої зупинки, які аналізують як окремі вузли, так і усе дерево регресії в цілому; зупинки побудови дерева авторегресії в будь-який час.