Lo que se presenta es puramente un proyecto de investigación y no una recomendación para operar:
Hasta ahora, he experimentado con varios modelos para predecir los precios de Bitcoin utilizando datos en cadena. He utilizado 373 funciones de la plataforma CryptoQuant desde 2012 hasta la actualidad. Dado que empleo una técnica de ventana deslizante, los modelos clásicos de aprendizaje automático, que normalmente funcionan con datos 2D, no son adecuados para mis datos. En cambio, utilizo técnicas de aprendizaje profundo basadas en tensores, que permiten el procesamiento de datos 3D.
Entre los diferentes modelos que he probado en los últimos meses, los mejores resultados los he obtenido con los modelos N-Beats y WaveNet. El modelo N-Beats está desarrollado en TensorFlow y la precisión del modelo es MAPE: 31,9849. El rendimiento de este modelo en los datos de entrenamiento, validación y prueba se visualiza en la imagen A. En base a esto, el pronóstico del modelo N-Beats para los próximos 30 días se muestra en el gráfico B.
El segundo modelo que ha proporcionado resultados aceptables hasta ahora es el modelo WaveNet. Los valores de pérdida para este modelo se han medido mediante Log-Verosimilitud Negativa, con un valor de pérdida de 2,88. Este modelo también utilizó los mismos datos que el modelo anterior. La imagen C muestra su desempeño en la predicción de precios durante el último mes. Y la imagen D muestra la predicción del precio de Bitcoin para el próximo mes según el modelo WaveNet.
Según el modelo WaveNet, con un intervalo de confianza del 50%, es probable que el precio de Bitcoin fluctúe dentro del mismo rango que ha experimentado en los últimos meses en el próximo mes.
Escrito por CriptoOnchain
