Апробирую модели MA, AR, ARMA, ARIMA и SARIMA

Наконец у меня дошли руки до апробации моделей предсказания значений временных рядов: MA, AR, ARMA, ARIMA и SARIMA. 5 мая я опубликовал расчёты по автокорреляции для логарифмической доходности индекса MCFTR, из которой следовало, что взаимосвязь между значениями прошлых периодов с текущими есть с лагом в 1 месяц — прямая и 6 месяцев — обратная (смотри график ACF к данному посту).


Теперь я написал простенький код на Python, который пока просчитывает значения по моделям MA, AR, ARMA и ARIMA для заданного диапазона. На графиках зеленым показано предсказание логарифмической доходности MCFTR, сделанное по моделям с лагом в 1 месяцев на три месяца вперед. Полученные результаты сравниваются с историческими данными, которые на графиках изображены синим. Видно что, расхождение между предсказанными данными по итогам февраля 2025 и фактическими данными совсем небольшое. Но уже в марте и апреле 2025 расхождения существенные, что подтверждает выводы сделанные по автокорреляции.

Следующим шагом нужно доработать код и прогнать его на истории, чтобы посмотреть процент сильных расхождений предсказываемых результатов с фактическими. Возможно, по результатам тестирования можно будет построить алгоритм активной краткосрочной торговли. Но даже если результаты эксперимента будут неудовлетворительными, получится хороший материал для мастер класса в ВШБ НИУ ВШЭ и для выступления на конференциях, посвященных финансовым и фондовым рынкам.

Кстати, напомню, что стартовали продажи осеннего набора на программу профессиональной переподготовки «Финансовые и фондовые рынки» в Высшей школе бизнеса НИУ ВШЭ, где я являюсь академическим руководителем. Сейчас действует выгодная ранняя цена! Есть разные варианты оплаты! Зарегистрироваться и уточнить информацию можно по ссылке: https://clck.ru/3DLCkZ