Производство и потребление нефти являются критическими факторами для экономики ряда стран,
поэтому возможность прогнозирования поведения ее цены весьма актуальна. Существует множество работ, которые исследуют различные методы машинного обучения:
SVM, ANN, kNN, а также статистические методы ARIMA,
GARCH и другие инструменты анализа временных рядов.
Обзор литературы показывает преимущество методов SVM
и ARIMA при прогнозировании финансовых рынков. В данной работе описана методика построения прогностических
моделей на базе этих двух методов. Кроме того делается
вывод о лучших показателях модели SVM при предсказании ценовых приращений котировок на энергоресурсы.
Index Terms—финансовые временные ряды, цены на
нефть, метод опорных векторов (SVM), ARIMA, прогнозирование финансовых котировок.