В данной статье рассматривается концепция модификации метода анализа временных рядов, ориентированная на интеграцию с методами кластеризации в режиме обучения в реальном времени. Проанализированы различные методы прогнозирования временных рядов и машинного обучения. Описанный в статье метод дает прогноз поведения временного ряда на основе больших данных, полученных из различных источников, и связанных с существующими транзакциями временного ряда. Такой подход дает возможность находить зависимости изменения определенных показателей рассматриваемых систем в зависимости от различных событий. Выполненное исследование предлагает концепцию автоматизированного обучения системы в режиме реального времени с возможностью дальнейшей программной реализации. Рассматриваемая концепция позволяет строить прогнозы на любые временные ряды, зависимые от различных событий, новостей и данных, находящихся в открытом доступе. Предложен подход, который связывает события с графиком транзакций. Преимуществом подхода является возможность нахождения различных зависимостей между происходящими событиями и различными изменениями показателей, например: цен на биржах, значений социальных показателей и многих других.