W niedawnym projekcie badawczym przetestowano różne modele w celu przewidywania cen Bitcoinów przy użyciu danych w łańcuchu z platformy CryptoQuant. W badaniu wykorzystano 373 funkcje obejmujące okres od 2012 r. do chwili obecnej. Klasyczne modele uczenia maszynowego były nieodpowiednie ze względu na zastosowanie techniki przesuwanego okna, co doprowadziło do zastosowania technik głębokiego uczenia się opartych na tensorach do przetwarzania danych 3D.

Najbardziej obiecujące wyniki uzyskano w przypadku modeli N-Beats i WaveNet. Model N-Beats opracowany w TensorFlow osiągnął średni bezwzględny błąd procentowy (MAPE) wynoszący 31,9849. Działanie modelu w zakresie danych pociągowych, walidacyjnych i testowych pokazano na obrazku A, a 30-dniową prognozę pokazano na wykresie B.

Model WaveNet również wykazał akceptowalne wyniki, z wartością straty logarytmicznej ujemnej wiarygodności wynoszącą 2,88. Obraz C przedstawia jego skuteczność w przewidywaniu cen z poprzedniego miesiąca, podczas gdy obraz D przedstawia prognozę ceny Bitcoina na nadchodzący miesiąc. Według modelu WaveNet cena Bitcoina będzie prawdopodobnie wahać się w tym samym przedziale, w jakim występowała w ciągu ostatnich kilku miesięcy, z 50% przedziałem ufności.