Будущее финансов⁚ как цифровые технологии меняют платежную индустрию Для прогнозирования финансовых результатов и рисков, связанных с стремительным развитием цифровых кошельков и мобильных платежей, финансовые институты все чаще обращаются к инструментам количественного анализа. Моделирование временных рядов, например, с использованием модели ARIMA, позволяет анализировать динамику финансовых показателей, таких как объемы онлайн-платежей, и строить прогнозы на будущее.​ Для оценки финансовых рисков, присущих сфере финтеха, применяются модели VaR и CVaR, позволяющие оценить потенциальные потери и разработать стратегии управления рисками...

Рассмотрим способ разложения временного ряда на трендовую, сезонную и остаточную составляющие. Под трендом понимаем общую закономерность ряда (изменение среднего значения со временем), под сезонностью — повторяющуюся закономерность в определенных периодах (чтобы говорить о сезонности, в датасете должно быть несколько периодов). Для демонстрации загрузим набор данных о статистике пассажирских перелетов с 1949 по 1960 из библиотеки pmdarima: Разложение на перечисленные выше составляющие можно произвести с помощью функции seasonal_decompose из модуля statsmodels...