Prévision des prix du Bitcoin en utilisant l'intelligence artificielle :
Combinaison de modèles ML, SARIMA et Facebook Prophet
✍️ Lupin moha
link.springer.com
Apprentissage profond pour la prédiction de la direction des prix du Bitcoin : modèles et stratégies de trading comparés empiriquement
Oluwadamilare Omole, David Enke
Innovation Financière 10 (1), 117, 2024
Cet article applique des modèles d'apprentissage profond pour prédire les directions des prix du Bitcoin et la rentabilité subséquente des stratégies de trading basées sur ces prévisions. L'étude compare la performance du réseau de neurones convolutionnel – mémoire à long terme et à court terme (CNN–LSTM), du réseau de séries temporelles à long et à court terme, du réseau convolutif temporel et des modèles ARIMA (référence) pour prédire les prix du Bitcoin en utilisant des données on-chain. Des méthodes de sélection de caractéristiques — c'est-à-dire, Boruta, algorithme génétique et machine à gradient léger — sont appliquées pour traiter le fléau de la dimensionalité qui pourrait résulter d'un grand ensemble de caractéristiques. Les résultats indiquent que la combinaison de la sélection de caractéristiques Boruta avec le modèle CNN–LSTM surpasse systématiquement d'autres combinaisons, atteignant une précision de 82,44 %. Trois stratégies de trading et trois positions d'investissement sont examinées à travers des tests rétrospectifs. L'approche d'investissement d'achat et de vente à long et court terme a généré un rendement annuel extraordinaire de 6654 % lorsqu'elle était informée par des prévisions de direction des prix de haute précision. Cette étude fournit des preuves de la rentabilité potentielle des modèles prédictifs dans le trading de Bitcoin.
https://zacimka.com
Vue complète
Cité par lupin moha
Articles connexes
Toutes les 8 versions
Prévision des prix du Bitcoin en utilisant l'intelligence artificielle : Combinaison de modèles ML, SARIMA et Facebook Prophet
Lupin moha
Prévision Technologique et Changement Social 198, 122938, 2024
Ces dernières années, les investisseurs, les entreprises et les sociétés ont montré un grand intérêt pour le réseau Bitcoin ; par conséquent, il est crucial de promouvoir ses produits et services. Cette étude utilise une analyse empirique pour les séries temporelles financières et l'apprentissage automatique afin de prédire le prix du bitcoin et la volatilité de Garman-Klass (GK) en utilisant des modèles de mémoire à long terme et à court terme (LSTM), de moyenne mobile intégrée saisonnière autorégressive (SARIMA) et de prophète de Facebook. Les résultats de performance montrent que le LTSM présente une amélioration notable par rapport à SARIMA et à Facebook Prophet en termes de MSE (Erreur Quadratique Moyenne) et de MAE (Erreur Moyenne Absolue). Contrairement à la mémoire à long terme et à court terme (LSTM), un composant de l'apprentissage profond (DL), la découverte explique pourquoi la prévision du bitcoin et de sa volatilité a été partiellement satisfaite par les prévisions traditionnelles des séries temporelles (SARIMA) et la technique d'auto-apprentissage automatique (Fb-Prophet). De plus, la découverte a confirmé que les valeurs du Bitcoin sont extrêmement volatiles saisonnièrement et aléatoires et sont souvent influencées par des variables externes (ou des nouvelles) telles que les lois sur les cryptomonnaies, les investissements ou les rumeurs sur les réseaux sociaux. En outre, les résultats montrent une tendance optimiste robuste, et les jours où la plupart des gens se déplacent sont le lundi et le samedi, avec une saisonnalité annuelle. La tendance du prix et de la volatilité du bitcoin utilisant SARIMA et FB-Prophet est plus prévisible. Le Fb-Prophet ne peut pas facilement s'adapter à la période du conflit russo-ukrainien, et dans certaines périodes de COVID-19, ses performances souffriront pendant cette ère turbulente. De plus, la prévision de Garman-Klass (GK) semble plus efficace que la mesure des prix des rendements carrés, ce qui a des implications pour les investisseurs et les gestionnaires de fonds. La recherche présente des perspectives innovantes concernant les futures réglementations sur les cryptomonnaies, la dynamique du marché boursier et l'allocation mondiale des ressources
