Model N-HiTS (Neural Hierarchical Interpolation for Time Series) to platforma głębokiego uczenia się przeznaczona do prognozowania szeregów czasowych. Rozkłada dane wejściowe na poziomy hierarchiczne, z których każdy uwzględnia różne wzorce czasowe. Dzięki mechanizmowi interpolacji model generuje prognozy pośrednie, które są rekurencyjnie udoskonalane pod kątem dokładności. Takie podejście pozwala N-HiTS skutecznie uchwycić zarówno krótkoterminowe wahania, jak i długoterminowe trendy.
W tym badaniu wykorzystałem model N-HiTS do przewidzenia ceny Bitcoina na następne 30 dni, korzystając z danych Onchain z ostatnich 180 dni. Modelowanie i szkolenie przeprowadzono przy użyciu bibliotek PyTorch, PyTorch Lightning i PyTorch Forecasting.
Rysunek A przedstawia przewidywane i rzeczywiste ceny po procesie uczenia danych walidacyjnych, natomiast Rysunek B przedstawia prognozę na kolejne 30 dni. Dane szkoleniowe obejmują 376 funkcji pobranych z platformy kryptokwantowej.
Napisane przez CryptoOnchain