Das N-HiTS-Modell (Neural Hierarchical Interpolation for Time Series) ist ein Deep-Learning-Framework, das für die Prognose von Zeitreihen entwickelt wurde. Es zerlegt Eingabedaten in hierarchische Ebenen, die jeweils unterschiedliche zeitliche Muster erfassen. Durch einen Interpolationsmechanismus generiert das Modell Zwischenprognosen, die rekursiv verfeinert werden, um ihre Genauigkeit zu verbessern. Mit diesem Ansatz kann N-HiTS sowohl kurzfristige Schwankungen als auch langfristige Trends effektiv erfassen.
In dieser Studie habe ich das N-HiTS-Modell verwendet, um den Preis von Bitcoin für die nächsten 30 Tage anhand von Onchain-Daten der letzten 180 Tage vorherzusagen. Die Modellierung und das Training wurden mit den Bibliotheken PyTorch, PyTorch Lightning und PyTorch Forecasting durchgeführt.
Abbildung A zeigt die vorhergesagten und tatsächlichen Preise nach dem Trainingsprozess für die Validierungsdaten, während Abbildung B die Prognose für die nächsten 30 Tage zeigt. Die Trainingsdaten umfassen 376 Merkmale, die von der Cryptoquant-Plattform übernommen wurden.
Geschrieben von CryptoOnchain