Tas, kas tiek prezentēts, ir tikai pētniecības projekts, nevis ieteikums tirdzniecībai:
Līdz šim esmu eksperimentējis ar dažādiem modeļiem, lai prognozētu Bitcoin cenas, izmantojot ķēdes datus. Esmu izmantojis 373 CryptoQuant platformas funkcijas, kas aptver no 2012. gada līdz mūsdienām. Tā kā es izmantoju bīdāmo logu tehniku, klasiskie mašīnmācīšanās modeļi, kas parasti darbojas ar 2D datiem, nav piemēroti maniem datiem. Tā vietā es izmantoju dziļās mācīšanās metodes, kuru pamatā ir tenzori, kas ļauj apstrādāt 3D datus.
Starp dažādiem modeļiem, kurus esmu izmēģinājis pēdējos mēnešos, vislabākie rezultāti ir iegūti ar N-Beats un WaveNet modeļiem. N-Beats modelis ir izstrādāts programmā TensorFlow, un modeļa precizitāte ir MAPE: 31.9849. Šī modeļa veiktspēja vilcienā, validācijas un testa dati ir vizualizēti attēlā A. Pamatojoties uz to, N-Beats modeļa prognoze nākamajām 30 dienām ir parādīta diagrammā B.
Otrs modelis, kas līdz šim ir devis pieņemamus rezultātus, ir WaveNet modelis. Zudumu vērtības šim modelim ir izmērītas, izmantojot Negative Log-Likelihood, ar zaudējumu vērtību 2,88. Arī šis modelis izmantoja tos pašus datus, ko iepriekšējais modelis. Attēlā C parādīta tā veiktspēja, prognozējot cenas pagājušajā mēnesī. Un attēlā D ir redzama Bitcoin cenas prognoze nākamajam mēnesim, pamatojoties uz WaveNet modeli.
Pamatojoties uz WaveNet modeli, ar ticamības intervālu 50%, Bitcoin cena, visticamāk, nākamajā mēnesī svārstīsies tajā pašā diapazonā, kādā tā ir pieredzējusi pēdējos mēnešos.
Raksta CryptoOnchain