Разработка нескольких моделей прогнозирования временных рядов

Я ищу квалифицированного специалиста по обработке данных, который владеет Python и машинным обучением. Проект сосредоточен на прогнозировании циклических экономических тенденций на фондовом рынке. Цель заключается в том, чтобы определить и предсказать рыночные циклы, такие как бычий и медвежий рынки, используя расширенный анализ данных и методы машинного обучения. В качестве основы для анализа необходимо взять исторические данные с 2010 по 2023 год.

В объем работ входит:

- Сбор исторических данных о ценах акций (например, S&P 500 или подобных) с помощью таких источников, как Yahoo Finance и Alpha Vantage.

- Очистка и подготовка данных для анализа.

- Определение закономерностей, сезонности и тенденций в данных, визуализация корреляции между курсами акций и экономическими показателями.

- Внедрение и сравнение различных моделей прогнозирования временных рядов, таких как ARIMA, SARIMA и Prophet. Использование моделей машинного обучения (например, Random Forest, Gradient Boosting) и моделей глубокого обучения (например, LSTM, GRU) для прогнозирования рыночных циклов.

- Оценка моделей с помощью таких показателей, как RMSE, MAPE и R-квадрат.

Окончательным результатом считается:

- детальный отчет

- набор прогнозных моделей

- минимальный интерфейс пользователя (опишу)

 Идеальный кандидат имеет опыт работы с библиотеками машинного обучения Python, такими как TensorFlow и Scikit-learn, а также опыт анализа данных и разработки прогнозных моделей.

Требования:

Владение Python и такими библиотеками, как Pandas, NumPy, Matplotlib/Seaborn и Scikit-learn.

Опыт работы с методами прогнозирования временных рядов (например, ARIMA, LSTM, Prophet).

Знакомство с финансовыми данными и экономическими показателями является плюсом.

Развитые навыки предварительной обработки данных, разработки функций и оценки модели.

Способность предоставить хорошо документированный код и четкие объяснения к нему.

Срок выполнения -- 2 недели. Он не для коммерческого использования, поэтому не нужно усложнять, лишь бы работало.

Бюджет договорной.