Algoritma pembelajaran mesin mana yang dapat digunakan untuk perkiraan deret waktu?

Saat ini saya bermain-main dengan perkiraan seri waktu (khusus untuk Forex). Saya telah melihat beberapa makalah ilmiah tentang jaringan negara gema yang diterapkan untuk perkiraan Forex. Apakah ada algoritma pembelajaran mesin yang bagus untuk tujuan ini?

Ini juga akan menarik untuk mengekstrak pola "menguntungkan" dari seri waktu.

Berikut adalah tiga makalah survei yang menguji penggunaan pembelajaran mesin dalam peramalan seri waktu:

• "Sebuah Perbandingan Empiris Model Pembelajaran Mesin untuk Perkiraan Time Series" oleh Ahmed, Atiya, El Gayar, dan El-shishiny memberikan perbandingan empiris dari beberapa algoritma pembelajaran mesin, termasuk:

"... multilayer perceptron, jaringan saraf Bayesian, fungsi dasar radial, jaringan saraf regresi umum (juga disebut regresi kernel), regresi tetangga terdekat K, pohon regresi CART, mendukung vektor regresi, dan proses Gaussian."

• "Peramalan seri waktu keuangan dengan teknik pembelajaran mesin: Sebuah survei" oleh Krollner, Vanstone, dan Finnie menemukan:

"... bahwa jaringan syaraf tiruan (JST) adalah teknik pembelajaran mesin yang dominan di area ini."

• "Machine Learning Strategies for Time Series Forecasting" oleh Bontempi, Ben Taieb, dan Le Borgne berfokus pada tiga aspek:

"... formalisasi masalah peramalan satu langkah sebagai tugas belajar yang diawasi, pembahasan teknik pembelajaran lokal sebagai alat yang efektif untuk menangani data temporal, dan peran strategi peramalan ketika kita beralih dari satu langkah ke beberapa perkiraan langkah. "