Экспоненциальное сглаживание (Exponential Smoothing, ES) — это метод прогнозирования временных рядов, который учитывает как текущие, так и предыдущие наблюдения, придавая большее значение более свежим данным. Этот подход особенно полезен для анализа данных с трендами и сезонными колебаниями.

Ансамблевые методы - комбинирование Bagging, Boosting моделей. В анализе используются последние данные, а не только те, которые выбраны для технического и фундаментального анализа (например, исторические цены за указанный Вами период), поэтому берется актуальная финансовая информация о компании либо валютного инструмента при принятии инвестиционных решений.

GARCH (Generalized Autoregressive Conditional Heteroskedasticity) - эта модель для прогнозирования волатильности временных рядов, используется в финансовом анализе для оценки риска. Включены дополнительные модели (EGARCH, GJR-GARCH) для более качественного анализа временных рядов, и технические индикаторы.

Случайный лес (Random Forest) — это мощный алгоритм машинного обучения, который используется как для задач классификации, так и для задач регрессии. Он основан на идее ансамбля деревьев решений, каждое из которых обучается на различных подмножествах данных и признаков.

Линейная регрессия (Linear Regression) — это статистический метод, для моделирования взаимосвязи между зависимой переменной (целевой переменной) и одной или несколькими независимыми переменными (признаками). Основная идея заключается в поиске линейной функции, которая наилучшим образом соответствует наблюдаемым данным.

Ai SVM V1.1Support Vector Machines (SVM) — это мощный и популярный метод машинного обучения, который используется для классификации и регрессии. Основная идея SVM заключается в нахождении гиперплоскости, которая максимально разделяет данные в многомерном пространстве.

Range - это алгоритм машинного обучения, который проанализировав исторические данные с использованием тех.индикаторов и других алгоритмов машинного обучения поможет Вам выявить диапазон движения цены на будущую дату. Этот алгоритм является также мощным и гибким методом машинного обучения, способным обрабатывать сложные вычисления.

Reassessment - эта модель также поможет Вам в принятии решения, она загружает исторические данные, рассчитывает различные технические индикаторы, оптимизирует гиперпараметры модели и делает прогнозы указывая его точность и в какой степени выбранный актив недооценен или переоценен.