Ce qui est présenté est purement un projet de recherche et non une recommandation de trading :
Jusqu'à présent, j'ai expérimenté divers modèles pour prédire les prix du Bitcoin à l'aide de données en chaîne. J'ai utilisé 373 fonctionnalités de la plateforme CryptoQuant de 2012 à nos jours. Étant donné que j'utilise une technique de fenêtre glissante, les modèles classiques d'apprentissage automatique, qui fonctionnent généralement avec des données 2D, ne conviennent pas à mes données. Au lieu de cela, j'utilise des techniques d'apprentissage profond basées sur des tenseurs, qui permettent le traitement de données 3D.
Parmi les différents modèles que j'ai essayés ces derniers mois, les meilleurs résultats ont été obtenus avec les modèles N-Beats et WaveNet. Le modèle N-Beats est développé dans TensorFlow et la précision du modèle est MAPE : 31,9849. Les performances de ce modèle sur les données d'entraînement, de validation et de test sont visualisées dans l'image A. Sur cette base, les prévisions du modèle N-Beats pour les 30 prochains jours sont présentées dans le graphique B.
Le deuxième modèle qui a fourni des résultats acceptables jusqu'à présent est le modèle WaveNet. Les valeurs de perte pour ce modèle ont été mesurées par log-vraisemblance négative, avec une valeur de perte de 2,88. Ce modèle utilisait également les mêmes données que le modèle précédent. L'image C montre ses performances dans la prévision des prix du mois dernier. Et l'image D montre la prévision du prix Bitcoin pour le mois prochain basée sur le modèle WaveNet.
Sur la base du modèle WaveNet, avec un intervalle de confiance de 50 %, le prix du Bitcoin est susceptible de fluctuer au cours du mois à venir dans la même fourchette qu'au cours des derniers mois.
Écrit par CryptoOnchain