Welche Algorithmen für maschinelles Lernen können für Zeitreihenvorhersagen verwendet werden?

Momentan spiele ich mit Zeitreihenprognosen (speziell für Forex). Ich habe einige wissenschaftliche Artikel über Echozustandsnetzwerke gesehen, die auf Forex-Prognosen angewendet werden. Gibt es für diesen Zweck andere gute Algorithmen für maschinelles Lernen?

Es wäre auch interessant, "profitable" Muster aus den Zeitreihen zu extrahieren.

Im Folgenden finden Sie drei Übersichtsartikel, die den Einsatz von maschinellem Lernen in der Vorhersage von Zeitreihen untersuchen:

• "Ein empirischer Vergleich maschineller Lernmodelle für die Vorhersage von Zeitreihen" von Ahmed, Atiya, El Gayar und El-shishiny bietet einen empirischen Vergleich mehrerer Algorithmen für maschinelles Lernen, darunter:

"... mehrschichtiges Perzeptron, Bayesianische Neuronale Netze, Radiale Basisfunktionen, Generalisierte Regression Neuronale Netze (auch als Kernel-Regression bezeichnet), K-Nearest-Neighbor-Regression, CART-Regressionsbäume, Support-Vektor-Regression und Gaußsche Prozesse."

• "Prognose finanzieller Zeitreihen mit Techniken des maschinellen Lernens: Eine Umfrage" von Krollner, Vanstone und Finnie stellt fest:

"... dass künstliche neuronale Netze (ANNs) die vorherrschende Technik des maschinellen Lernens in diesem Bereich sind."

• "Strategien für maschinelles Lernen zur Vorhersage von Zeitreihen" von Bontempi, Ben Taieb und Le Borgne konzentriert sich auf drei Aspekte:

"... die Formalisierung von einstufigen Prognoseproblemen als überwachte Lernaufgaben, die Erörterung lokaler Lerntechniken als wirksames Instrument für den Umgang mit Zeitdaten und die Rolle der Prognosestrategie beim Übergang von einstufigen zu mehrstufigen Schritt Vorhersage. "