Nous présentons une méthode d’analyse fonctionnelle pour la prédiction de séries temporelles. A partir de la décomposition des dynamiques en clusters, nous construisons des modèles locaux pour la prédiction de l’évolution des séries à partir des données du passé. Un modèle probabiliste est utilisé pour la combinaison des prédictions locales. Cette méthode peut être appliquée à tout problème de prédiction de séries temporelles mais elle est particulièrement adaptée aux données avec des dépendances non linéaires et des clusters, tels que les séries financières. La méthode a été appliquée à la prédiction des séries boursières de données en "tick par tick".
Dablemont, S., & Verleysen, M. (2004). Classification et prédiction fonctionnelles d’actifs boursiers en intraday. Proceedings of Connectionist Approaches in Economics and Management Sciences (ACSEG 2004), p. 30-38. https://hdl.handle.net/2078.5/225866