人工知能を用いたビットコイン価格の予測：
ML、SARIMA、およびFacebook Prophetモデルの組み合わせ
✍️ ルピン・モハ
link.springer.com
ビットコイン価格方向予測のための深層学習：モデルと取引戦略の経験的比較
オルワダミレール・オモレ、デイビッド・エンケ
金融イノベーション 10 (1), 117, 2024
この論文は、深層学習モデルを用いてビットコイン価格の方向性と、これらの予測に基づく取引戦略のその後の収益性を予測します。本研究では、オンチェーンデータを使用してビットコイン価格を予測するために、畳み込みニューラルネットワーク–長短期記憶（CNN–LSTM）、長期および短期時系列ネットワーク、時間畳み込みネットワーク、ARIMA（ベンチマーク）モデルのパフォーマンスを比較しています。特徴選択手法—すなわち、ボルタ、遺伝的アルゴリズム、およびライトグラディエントブースティングマシン—が、大きな特徴セットから生じる次元の呪いに対処するために適用されています。結果は、ボルタの特徴選択とCNN–LSTMモデルを組み合わせることで、他の組み合わせに比べて一貫して優れた結果を達成し、82.44%の精度を達成することを示しています。3つの取引戦略と3つの投資ポジションがバックテストを通じて検討されています。長短の売買投資アプローチは、より高い精度の価格方向予測によって情報を得た場合、6654%という驚異的な年間リターンを生み出しました。この研究は、ビットコイン取引における予測モデルの潜在的な収益性の証拠を提供します。
https://zacimka.com
全表示
ルピン・モハによる引用
関連する記事
すべての8つのバージョン
人工知能を用いたビットコイン価格の予測：ML、SARIMA、およびFacebook Prophetモデルの組み合わせ
ルピン・モハ
テクノロジー予測と社会変化 198, 122938, 2024
近年、投資家、企業、そして企業はビットコインネットワークに大きな関心を示しており、そのため、製品とサービスの促進が重要です。本研究は、金融時系列と機械学習の経験的分析を利用して、ビットコインの価格とガーマン-クラス（GK）ボラティリティの予測を行います。具体的には、長短期記憶（LSTM）、季節性自己回帰統合移動平均（SARIMA）、およびFacebook Prophetモデルを使用しています。性能結果は、LSTMブーストがMSE（平均二乗誤差）およびMAE（平均絶対誤差）の観点からSARIMAおよびFacebook Prophetと比較して顕著な改善を示すことを示しています。深層学習（DL）の一部である長短期記憶（LSTM）とは異なり、発見はビットコインとそのボラティリティの予測の難しさが、従来の時系列予測（SARIMA）および自動機械学習技術（Fb-Prophet）によって部分的に満たされた理由を説明しています。さらに、この発見はビットコインの価値が非常に季節的に不安定であり、ランダムであることを確認し、暗号通貨法、投資、またはソーシャルメディアの噂などの外部変数によって頻繁に影響を受けることを示しています。さらに、結果は強固な楽観的傾向を示し、ほとんどの人が通勤する日は月曜日と土曜日であり、年間の季節性を示しています。SARIMAとFB-Prophetを使用したビットコインの価格とボラティリティの傾向はより予測可能です。Fb-Prophetはロシア-ウクライナ紛争期間中に簡単に適合せず、一部のCOVID-19期間中にはそのパフォーマンスが不安定な時代に苦しむことになります。さらに、ガーマン-クラス（GK）予測は、投資家やファンドマネージャーに影響を与える平方リターン価格測定よりも効果的であるようです。この研究は、今後の暗号通貨規制、株式市場の動態、および世界的な資源配分に関する革新的な洞察を提供します。
