Quali algoritmi di apprendimento automatico possono essere utilizzati per le previsioni sulle serie temporali?

Attualmente sto giocando con le previsioni delle serie storiche (in particolare per il Forex). Ho visto alcuni articoli scientifici sulle reti di stati ecologici che sono applicati alle previsioni Forex. Esistono altri buoni algoritmi di apprendimento automatico per questo scopo?

Sarebbe anche interessante estrarre modelli "redditizi" dalle serie storiche.

Ecco tre documenti di indagine che esaminano l'uso dell'apprendimento automatico nella previsione di serie temporali:

• "Un confronto empirico di modelli di machine learning per la previsione di serie storiche " di Ahmed, Atiya, El Gayar ed El-shishiny fornisce un confronto empirico di diversi algoritmi di machine learning, tra cui:

"... percetron multistrato, reti neurali bayesiane, funzioni di base radiale, reti neurali di regressione generalizzata (anche chiamata regressione del kernel), regressione del vicino K-più vicino, alberi di regressione CART, regressione vettoriale di supporto e processi gaussiani."

• "La previsione di serie temporali finanziarie con tecniche di apprendimento automatico: un sondaggio" di Krollner, Vanstone e Finnie rileva:

"... che le reti neurali artificiali (ANN) sono la tecnica di apprendimento automatico dominante in questo settore."

• "Strategie di machine learning per la previsione di serie storiche" di Bontempi, Ben Taieb e Le Borgne si concentra su tre aspetti:

"... la formalizzazione di problemi di previsione in una fase come compiti di apprendimento supervisionato, la discussione delle tecniche di apprendimento locale come strumento efficace per gestire i dati temporali e il ruolo della strategia di previsione quando passiamo da una fase a più- previsione del passo ".