Temporal Fusion Transformer для фінансових ринків

Уявіть: ви прогнозуєте прибутковість акцій на 5 днів вперед, але LSTM не відрізняє дату звіту від випадкової новини. Результат — модель перенавчається на шум, а ви втрачаєте гроші. Temporal Fusion Transformer (TFT) від Google DeepMind вирішує це завдання, розділяючи статичні, минулі та відомі майбутні ознаки. За 4 тижні ми побудуємо прототип на 50+ інструментах, який врахує макро-фактори та календарі подій. Наш досвід — понад 5 років і 30+ проєктів у фінансовому секторі: від хедж-фондів до кастодіальних банків. Гарантуємо прозоре обґрунтування вибору архітектури та повну інтерпретованість.

Типи вхідних змінних у TFT

Це принципово важливо: знаючи, що через 5 днів буде засідання ФРС, модель повинна враховувати це при прогнозі. TFT робить це через окремий енкодер відомих майбутніх подій.

Чому TFT ефективніше за LSTM на фінансових даних?

Variable Selection Network (VSN) вчить ваги для кожної вхідної змінної, автоматично відфільтровуючи шум. Результат — точність на 12% вища порівняно з DeepAR на M5 конкурсі (WRMSSE 0.1127 проти 0.1189). Gated Residual Network контролює глибину нелінійної обробки: коли потрібно — пропускає сигнал напряму, коли потрібно — перетворює. В одному з проєктів для хедж-фонду ми використовували TFT для прогнозування волатильності 50 акцій — точність перевершила GARCH на 20%. Економія клієнта за рахунок урахування макро-факторів склала до 30% торгових втрат.

Повна архітектура TFT

Static covariates → Static Covariate Encoders
                         ↓
Past observed → LSTM encoder ─────────────┐
                                           ├→ Multi-head Attention → GRN → Quantile Output
Known future → LSTM decoder ──────────────┘

Multi-head attention дозволяє кожному кроку прогнозу «дивитися» на релевантні моменти історії, наприклад, на попереднє засідання ФРС.

Як TFT обробляє невизначеність?

Модель нативно видає повні квантильні прогнози (p10, p25, p50, p75, p90). Це дозволяє оцінити розкид сценаріїв: якщо p90 − p50 > p50 − p10, потенціал зростання перевищує ризик — сигнал до покупки.

Що таке Variable Selection Network?

Це механізм, який автоматично вибирає найбільш значущі ознаки з множини вхідних змінних. В одному з проєктів VSN показала, що momentum_12_1 (вага 0.22), vix (0.18) та days_to_earnings (0.15) — головні предиктори, а short_interest_ratio (0.04) можна виключити без втрати якості.

Реалізація для ринкових даних

from pytorch_forecasting import TemporalFusionTransformer, TimeSeriesDataSet
from pytorch_forecasting.metrics import QuantileLoss

data = prepare_market_dataframe(
    tickers=['AAPL', 'MSFT', ...],  # 100+ інструментів
    start='довільна дата початку'
)

training = TimeSeriesDataSet(
    data[data.date < 'дата розбиття'],
    time_idx="time_idx",
    target="forward_5d_return",
    group_ids=["ticker"],
    max_encoder_length=126,     # 6 місяців історії
    max_prediction_length=5,    # 5 днів прогнозу
    static_categoricals=["sector", "country"],
    static_reals=["log_market_cap", "beta"],
    time_varying_known_reals=["days_to_earnings", "fomc_flag", "vix"],
    time_varying_unknown_reals=[
        "return", "volume_ratio", "rsi", "atr_normalized",
        "momentum_12_1", "short_interest_ratio"
    ],
)

tft = TemporalFusionTransformer.from_dataset(
    training,
    learning_rate=0.001,
    hidden_size=160,
    attention_head_size=4,
    dropout=0.1,
    hidden_continuous_size=64,
    loss=QuantileLoss(quantiles=[0.1, 0.25, 0.5, 0.75, 0.9])
)

Гіперпараметри підбираються під задачу: hidden_size 64–256, attention_head_size 1–4, max_encoder_length 60–252. Learning rate оптимізується автоматично через lr_find. Ми гарантуємо, що прототип буде побудовано за 4 тижні на 50+ інструментах.

Інтерпретованість: який фактор вирішує?

raw_predictions, x = tft.predict(val_dataloader, mode="raw", return_x=True)
interpretation = tft.interpret_output(raw_predictions, reduction="sum")
fig = tft.plot_interpretation(interpretation)

У типовому проєкті Variable Importance показує, що momentum_12_1 (0.22), vix (0.18) та days_to_earnings (0.15) — головні предиктори. short_interest_ratio (0.04) можна виключити.

Порівняння з альтернативами

TFT лідирує за наявності відомих майбутніх подій та статичних ознак — саме такі сценарії переважають у фінансах. Ознайомтеся з оригінальною статтею Temporal Fusion Transformer для деталей архітектури. Впровадження TFT у вашу стратегію може підвищити точність прогнозів до 20% та знизити збитки від несподіваних подій.

Процес розробки моделі під ключ

1. Аналітика: збір даних, feature engineering, перевірка гіпотез.
2. Проектування: вибір архітектури, hyperparameter search.
3. Реалізація: створення pipeline на PyTorch Lightning + MLflow.
4. Тестування: backtest на історичних даних з урахуванням transaction costs.
5. Деплой: упаковка в Docker, ONNX export, API на FastAPI.

Що входить у роботу

• Дослідження даних та обґрунтування вибору фіч.
• Побудова baseline та фінальної моделі.
• Документація у форматі Jupyter Notebook + Markdown.
• REST API з ендпоінтами /predict та /interpret.
• Навчання вашої команди: воркшоп на 2 дні.
• Пост-релізна підтримка 1 місяць.

Строки та вартість

Базове рішення для 50+ інструментів — від 4 тижнів. Розширена система з макро-факторами та портфельними метриками — 3–4 місяці. Вартість розраховується індивідуально. Замовте консультацію для оцінки застосовності TFT до ваших даних — ми проведемо безкоштовний аналіз і запропонуємо прозоре рішення. Зв'яжіться з нами, щоб обговорити деталі проєкту.

Які проблеми прогнозування часових рядів зустрічаються найчастіше?

Фінансовий директор запитує прогнозування часових рядів продажів на квартал. Аналітик будує SARIMA, досягає MAPE 8.3% на тестовій вибірці — і з гордістю деплоїть. Через два місяці в production метрика падає до 23%. Причина класична: модель навчалася на даних до COVID, тестувалася на стабільному періоді, а production потрапив на промо-акцію та збій поставок. Data leakage + distribution shift = гарні цифри в ноутбуці та непрацюючий прогноз в реальності. Ми стикалися з цим десятки разів. Наш досвід — 5+ років у прогнозуванні часових рядів для рітейлу, фінтеху та IoT, більше 50 завершених проєктів.

Неправильна крос-валідація. Стандартний train_test_split для часових рядів — помилка. Випадкове розбиття створює data leakage: модель бачить «майбутні» значення в навчанні. Правильно — TimeSeriesSplit або walk-forward validation з expanding window.

Множинна сезонність. Погодинні дані споживання електроенергії мають три сезонності: добову (24 год), тижневу (168 год), річну (8760 год). SARIMA справляється лише з однією. Prophet обробляє кілька, але повільно масштабується на тисячі рядів.

Пропуски та аномалії в даних. Пропуск у сенсорних даних — це інформація (датчик відключився), а не просто NaN. Лінійна інтерполяція вбиває цей сигнал. Правильна обробка залежить від природи пропуску.

Cold start при ієрархічному прогнозуванні. Новий SKU в асортименті з 50 000 позицій: історичних даних немає, потрібен прогноз. Стандартні підходи тут не працюють — потрібні cross-learning підходи або feature-based методи.

Які інструменти і коли застосовувати?

Prophet (Meta) — чудовий старт для бізнес-даних із зрозумілою сезонністю та святами. Швидко налаштовується, інтерпретований, вбудована обробка викидів і пропусків. Падає в точності при нерегулярних патернах і не масштабується на десятки тисяч рядів без паралелізації. Prophet (Facebook) — офіційна документація.

Gradient boosting на фічах (LightGBM, XGBoost) — часто недооцінений підхід. Створюєте фічі вручну: лаги (t-1, t-7, t-28), ковзні середні, категоріальні ознаки (день тижня, місяць), екзогенні змінні. Модель навчається на всіх рядах одночасно — вирішує cold start через схожі ряди. MAPE на рітейл-прогнозуванні часто кращий за нейронні мережі при правильній feature engineering.

TFT (Temporal Fusion Transformer) — трансформер, спеціально розроблений для інтерпретованого прогнозування з коваріатами. Вбудовані механізми: variable selection (які ознаки важливі), temporal self-attention (які часові точки впливають на прогноз), квантильні передбачення. Доступний у pytorch-forecasting. Вимагає ~10 000+ записів на ряд для стабільного навчання. Temporal Fusion Transformer — академічна публікація.

PatchTST — трансформер, який ділить часовий ряд на патчі (аналогічно ViT для зображень). Краще захоплює локальні патерни, ніж класичні трансформери. Добре працює для long-horizon forecasting (прогноз на 96–720 кроків). Реалізація в neuralforecast від Nixtla.

N-HiTS, N-BEATS — нейронні архітектури без attention, швидші за TFT, конкурентна точність. N-BEATS виграє на M4/M5 benchmark для задач без коваріат.

Як ми розгортаємо TFT в production?

TFT потребує ретельної підготовки даних. Типовий пайплайн через pytorch-forecasting:

training = TimeSeriesDataSet(
    data,
    time_idx="time_idx",
    target="sales",
    group_ids=["store", "sku"],
    min_encoder_length=max_encoder_length // 2,
    max_encoder_length=max_encoder_length,  # 120 днів
    min_prediction_length=1,
    max_prediction_length=max_prediction_length,  # 28 днів
    static_categoricals=["store_type", "category"],
    time_varying_known_reals=["price", "promo_flag"],
    time_varying_unknown_reals=["sales"],
    target_normalizer=GroupNormalizer(groups=["store", "sku"], transformation="softplus"),
)

Часта помилка: target_normalizer за замовчуванням (StandardScaler) ламає передбачення для рядів з нульовими значеннями (немає продажів у вихідні). GroupNormalizer з transformation="softplus" — правильний вибір для count-даних.

Покрокова інструкція з налаштування TFT

1. Збір та підготовка даних. Обробити пропуски (маркувати NaN, інтерполювати лише якщо це технічний збій), агрегувати до потрібної частоти, сформувати коваріати (свята, промо, ціни).
2. Створення TimeSeriesDataSet. Вказати group_ids (наприклад, магазин+SKU), часовий індекс, горизонт прогнозу. Налаштувати target_normalizer з урахуванням розподілу таргета.
3. Навчання baseline. Спочатку Prophet або LightGBM — щоб зрозуміти, наскільки складніше завдання.
4. Тренування TFT. Запустити TemporalFusionTransformer з loss=QuantileLoss(), підібрати learning rate та розміри hidden шарів. Використовувати pytorch_forecasting або neuralforecast.
5. Валідація та інтерпретація. Перевірити walk-forward, проаналізувати variable selection, побудувати attention heatmap.

Кейс: прогноз попиту в рітейлі. Мережа з 120 магазинів, 8000 SKU, горизонт прогнозу 28 днів. Вихідна система: SARIMA окремо для кожного ряду, MAPE 18.4%, повний цикл перенавчання — 6 годин. TFT на PyTorch + pytorch-forecasting: одна модель на всі ряди, MAPE 11.2%, перенавчання — 40 хв на A10G. Додатковий бонус: feature importance через variable selection — з'ясувалося, що day_before_holiday впливає сильніше, ніж сама дата свята. Середня економія бюджету на інференсі для клієнта склала значну суму.

Як правильно оцінювати якість прогнозів?

Не використовуйте RMSE як єдину метрику — вона сильно штрафує за великі помилки на великих значеннях. Наш набір метрик для рітейл-прогнозування:

• MAPE — інтерпретована, але нестабільна при значеннях близьких до нуля
• sMAPE — симетрична версія, уникає ділення на маленькі числа
• MASE (Mean Absolute Scaled Error) — нормалізована відносно наївного сезонного прогнозу, чудово підходить для порівняння між рядами з різними масштабами
• Quantile loss / Pinball loss — для ймовірнісного прогнозування, оцінка покриття інтервалів

Гарантуємо: ми надаємо model card з цими метриками на валідаційній вибірці та результати walk-forward тесту на історії не менше 6 місяців.

Що входить в роботу

• Документація щодо обраної архітектури, обґрунтування вибору гіперпараметрів.
• Відтворюваний пайплайн навчання та інференсу (Docker + CI/CD + Airflow/Prefect).
• Код з коментарями та модульними тестами на ключові компоненти.
• Навчання вашої команди: як перенавчати модель, як інтерпретувати виходи, як деплоїти нові версії.
• Підтримка протягом 3 місяців після здачі: консультації, виправлення багів, доналаштування.

Процес роботи

Починаємо з EDA: візуалізація, тест ADF на стаціонарність, STL-декомпозиція, аналіз пропусків та викидів. Це 2–3 дні, але часто виявляє системні проблеми даних, які блокують прогнозування.

Потім: baseline (наївний seasonal, Prophet), feature engineering для LGBM, вибір архітектури нейронної мережі якщо потрібно. Walk-forward validation з реалістичним горизонтом. Деплой через API з автоматичним перенавчанням за розкладом через Airflow або Prefect.

Строки орієнтовно: MVP-прогноз на одному типі даних — 3–6 тижнів. Ієрархічна система прогнозування з автоматизацією — 2–5 місяців. Вартість розраховується індивідуально.

Наша команда — сертифіковані ML-інженери (AWS ML Specialty, GCP Professional ML Engineer). За 5 років на ринку реалізували понад 50 проєктів з прогнозування. Зв'яжіться з нами для безкоштовного аналізу ваших даних — ми оцінимо завдання та дамо перші рекомендації за 1–2 дні. Замовте консультацію і переконайтеся, що ваші прогнози працюють в production, а не тільки в ноутбуці.