价格预测：将机器学习方法应用于电力，航班，酒店，房地产和股票定价
当您向客户提供建议以帮助他们节省一些钱时，他们将以无价的忠诚回报您。有趣的事实：Fareboom用户在机票价格预测功能发布后的一个月内，开始每次会话花费的时间增加了两倍。该工具将继续为我们的合作伙伴增加转化。
除旅行外，价格预测还可在各种情况下应用。商品交易商，投资者，建筑开发商或能源生产商出于商业目的使用对未来价格走势的估计。
这次，我们与AleaSoft，ENFOR，REALas的专家以及我们自己的数据科学专家进行了交谈，以回答以下问题：如何在高波动性的市场上实施价格预测？本文介绍了在四个行业中构建价格预测解决方案的步骤和实施示例。
什么是价格预测以及如何进行
价格预测 通过评估各种因素（例如其特征，需求，季节性趋势，其他商品的价格（即燃料），众多供应商的报价等）来预测商品/产品/服务的价格。
价格预测可能是面向消费者的旅行应用程序（例如Trainline或Hopper）的功能，用于提高客户忠诚度和参与度。同时，其他企业也可能使用有关未来价格的信息。企业家可能需要定义购买商品的最佳时间，以调整需要某种商品（木材，咖啡，黄金）的产品或服务的价格，或者评估固定资产的投资吸引力。
价格预测可以表述为 回归任务。回归分析是一种统计技术，用于估计因变量/目标变量（电价，机票价格，房地产价格等）与影响目标变量的单个或多个独立变量（相互依赖）AKA预测变量之间的关系。回归分析还可以让研究人员确定这些预测变量对目标变量的影响程度。在回归中，目标变量始终是数字。
通常，价格预测是通过描述性和预测性分析进行的。
描述性分析。 描述性分析依赖于统计方法，包括数据收集，分析，解释和发现的表示。描述性分析可以将原始观察结果转化为人们可以理解和共享的知识。简而言之，这种分析类型有助于回答发生了什么问题 ？
预测分析。 预测分析是关于分析当前和历史数据以预测价格预测范围内未来事件，结果或价值的可能性。预测分析需要大量的统计技术，例如数据挖掘（数据中的模式识别）和机器学习。
机器学习的目标是构建能够发现数据模式，无需人工干预和显式重新编程即可从中学习数据的系统。为了解决价格预测问题，数据科学家首先必须了解要使用哪些数据来训练机器学习模型，这就是为什么需要描述性分析的原因。
要了解有关机器学习项目结构的更多信息，请查看我们的专用文章
然后，专家将收集，选择，准备，预处理和转换此数据。一旦完成此阶段，专家便开始建立预测模型。将选择一种以最高准确率预测价格的模型来为系统或应用程序供电。因此，价格预测任务的框架可能如下所示：
问题陈述。
了解市场特点。回答问题： 什么因素影响商品/产品/服务的价格？
数据收集，准备和预处理。
建模和测试。
将模型部署到软件系统或应用程序中。
既然我们已经知道了一个典型的价格预测项目路线图，那么让我们探索一下来自能源部门，旅游业和酒店业以及房地产的实际例子。
电价预测：统计和机器学习技术的结合
到1990年代初，许多国家的能源部门已得到充分监管和垄断。政府机构和地方机构正在监督公用事业公司的工作，确定其服务条款，价格，施工计划，以确保这些公司遵守安全和环境标准。
然后开始向放松管制的方向转变，其主要目标是降低电力成本并通过竞争确保可靠的能源供应。电力行业开始转变为自由市场，产品和服务的价格取决于供需。换句话说，市场参与者像其他商品一??样在交易所进行电力交易。参与者在试图最大化其利润的同时设置他们的出价和要约。放松管制是整个市场的一个持续过程。
影响电力需求和价格的因素：天气变化，传输，监管机构，化石燃料价格等
电力是一种特殊的商品，因此交易是一项棘手的任务。它是 不可存储的 （一旦产生就必须立即提供/必须同时产生和使用），因此，生产（产生）和消耗（负载）之间的平衡对于能源系统的稳定性至关重要。
电力需求以及价格的需求取决于天气（温度，降水，风力等）以及日常和商务活动的变化（周末和工作日，高峰和非高峰时间）。电能的不可存储性和需求的持续变化会导致 电价波动。
1