Финансовые временные ряды представляют собой объемные массивы информации по котировкам и объемам торгов акций, валют и других биржевых и внебиржевых инструментов. Анализ и прогнозирование таких рядов всегда представляли особый интерес как для исследователей-аналитиков, так и для инвесторов-практиков. Однако, финансовые временные ряды имеют свою специфику, не позволяющую найти единственно верный и работающий метод прогнозирования. В настоящее время алгоритмы машинного обучения позволяют анализировать большие объемы данных и производить тестирование полученных моделей. Современные технологии позволяют тестировать и применять сложные методы прогнозирования, требующие объемных вычислений. Они дают возможность развивать математическую базу прогнозирования, комбинировать различные подходы в одном методе. Примером такого современного подхода является метод сингулярного спектрального анализа (SSA), который сочетает в себе разложение временного ряда в сумму временных рядов, метод главных компонент и рекуррентное прогнозирование. Целью настоящей работы является анализ возможности применения SSA метода к финансовым временным рядам. Метод SSA был рассмотрен в сравнении с другими распространенными методами прогнозирования финансовых временных рядов: ARIMA, разложение Фурье и рекуррентная нейронная сеть. Для реализации методов был разработан программный алгоритм на языке Python. Также была осуществлена апробация метода на временных рядах котировок российских и американских акций, валют и криптовалют.