USING THE PROPHET PACKAGE IN TIME SERIES FORECASTING

В статье рассматривается задача прогнозирования временных рядов с различной частотой данных использованием пакета Prophet. Он доступен как в Python, так и R. Prophet удачно реализована возможность получать достаточно точные прогнозы полностью автоматизированным методом, учетом экспертных оценок. Введение интуитивных параметров, которые могут быть неоднократно скорректированы, позволяет эффективно настроить модель, не зная деталей лежащей основе математической модели, помощью ввода экспертом легко интерпретируемых параметров. Модель рядов, реализованная пакете, включает только компоненты тренда сезонности, но компоненту, учитывающую влияние праздников. Методика построения прогнозов рассмотрена на еженедельных по курсу акций Сбербанка за период июня 2014 г. 15 февраля 2021 Оценивание параметров подгоняемой модели выполняется принципов байесовской статистики. Для задачи стоимости использовалась кусочно-линейная трендовая которой обнаруживает точки изменения тенденции соответствующим образом адаптироваться. С целью улучшения качества подгонки было построено четыре которых изменялись параметры функции prophet. Выбор оптимальной был выполнен перекрестной проверки моделей cross-validation. При сравнении истинных значений прогнозных значений, полученных были получены неплохие значения характеристик точности. работе даны некоторые практические рекомендации применению при прогнозировании высокочастотных данных.