Предсказание курса на валютном рынке с помощью машинного обучения

Abstract

В работе исследуется эффективность двух алгоритмов машинного обучения для предсказания курса валют. Первый алгоритм основан на линейной регрессии, а второй – на рекуррентной нейронной сети с длинной кратковременной памятью. Главным преимуществом данных алгоритмов является то, что они хорошо подходят для прогнозирования временных рядов. Для обучения и построения модели регрессии применяется метод скользящего окна, позволяющий использовать предыдущие временные шаги для прогноза следующего шага. В качестве оценки полученных моделей используются коэффициент детерминации, среднеквадратическая ошибка потерь регрессии и средняя абсолютная ошибка потерь регрессии. Оба алгоритма показывают сравнимые результаты. The paper investigates the effectiveness of two machine learning algorithms for predicting the exchange rate. The first algorithm is based on linear regression, and the second is based on a recurrent neural network with long short-term memory. The main advantage of these algorithms is that they are well suited for predicting time series. To train and build a regression model, the sliding window method is used, which allows you to use the previous time steps to predict the next step. As an assessment of the obtained models, the coefficient of determination, the standard error of the regression losses, and the average absolute error of the regression losses are used. Both algorithms show comparable results.