Ciò che viene presentato è puramente un progetto di ricerca e non una raccomandazione per il trading:
Finora ho sperimentato vari modelli per prevedere i prezzi dei Bitcoin utilizzando i dati on-chain. Ho utilizzato 373 funzionalità della piattaforma CryptoQuant dal 2012 ad oggi. Poiché utilizzo la tecnica della finestra scorrevole, i modelli classici di machine learning, che in genere funzionano con dati 2D, non sono adatti ai miei dati. Utilizzo invece tecniche di deep learning basate su tensori, che consentono l'elaborazione di dati 3D.
Tra i diversi modelli che ho provato negli ultimi mesi, i migliori risultati sono stati ottenuti con i modelli N-Beats e WaveNet. Il modello N-Beats è sviluppato in TensorFlow e la precisione del modello è MAPE: 31.9849. Le prestazioni di questo modello sui dati di formazione, convalida e test sono visualizzate nell'immagine A. Sulla base di ciò, la previsione del modello N-Beats per i prossimi 30 giorni è mostrata nel grafico B.
Il secondo modello che finora ha fornito risultati accettabili è il modello WaveNet. I valori di perdita per questo modello sono stati misurati mediante log-likelihood negativo, con un valore di perdita di 2,88. Anche questo modello utilizzava gli stessi dati del modello precedente. L'immagine C mostra la sua performance nella previsione dei prezzi nell'ultimo mese. E l'immagine D mostra la previsione del prezzo Bitcoin per il prossimo mese basata sul modello WaveNet.
Sulla base del modello WaveNet, con un intervallo di confidenza del 50%, è probabile che il prezzo del Bitcoin oscilli nel prossimo mese all'interno dello stesso intervallo registrato negli ultimi mesi.
Scritto da CryptoOnchain