قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
نماذج ARIMA/SARIMA
منهجيات إحصائية تعتمد على الانحدار الذاتي، والمتوسطات المتحركة، والتكامل لنمذجة وتوقع السلاسل الزمنية أحادية المتغير.
الشبكات العصبية المتكررة
هياكل التعلم العميق المتخصصة في معالجة البيانات المتسلسلة، بما في ذلك LSTM و GRU لالتقاط التبعيات طويلة المدى.
نماذج بروفيت
إجراء تنبؤي طورته فيسبوك يجمع بين التحلل الإضافي والانحدار لإدارة الاتجاهات والمواسم والتأثيرات التقويمية.
التحليل الموسمي
تقنيات لفصل السلاسل الزمنية إلى مكونات الاتجاه، الموسمية والبواقي، بما في ذلك STL و X-13-ARIMA-SEATS.
التحليل الطيفي والمويجات
الأساليب الترددية باستخدام تحويل فورييه والمويجات لتحديد الدورات والأنماط الدورية في السلاسل الزمنية.
نماذج فضاء الحالة
إطار رياضي ينمذج السلاسل الزمنية كأنظمة ديناميكية ذات حالات كامنة، باستخدام مرشحات كالمان للاستدلال.
الكشف عن الشذوذات الزمنية
خوارزميات متخصصة لتحديد الملاحظات الشاذة والتغيرات الهيكلية ونقاط الانقطاع في السلاسل الزمنية.
التنبؤ متعدد المتغيرات
النمذجة المتزامنة لسلاسل زمنية متعددة مترابطة عبر نماذج الانحدار الذاتي المتجه (VAR)، وتصحيح الأخطاء المتجه (VECM)، والشبكات العصبية متعددة المتغيرات.
نماذج تقلب GARCH
عائلة من النماذج التي تستوعب التباين الشرطي والتباينية غير المتجانسة للسلاسل المالية، بما في ذلك EGARCH و TGARCH.
سلاسل زمنية غير منتظمة
تقنيات لإدارة البيانات المفقودة، والملاحظات غير المنتظمة، والطوابع الزمنية غير المتساوية في السلاسل الزمنية.
تحليل السببية
طرق إحصائية لتحديد العلاقات السببية بين السلاسل الزمنية، بما في ذلك اختبارات غرانجر والنماذج السببية الهيكلية.
طرق باينزية
مقاربة احتمالية باستخدام توزيعات قبلية والاستدلال الباينزي لتقدير عدم اليقين في التنبؤات الزمنية.
التنبؤ التجميعي
دمج نماذج تنبؤ متعددة لتحسين المتانة والدقة عبر تقنيات التجميع (bagging)، والتعزيز (boosting)، والتكديس (stacking).
المحولات الزمنية
بنى المحولات (Transformer) المكيفة للسلاسل الزمنية باستخدام آليات الانتباه لالتقاط الاعتماديات المعقدة.
تحليل عالي التردد
تقنيات متخصصة لمعالجة البيانات اللحظية (tick-by-tick) والبنية الدقيقة للسوق مع ملاحظات بالمللي ثانية.