sciencedirect.com
Previsão do preço do Bitcoin usando aprendizado de máquina: Uma abordagem para engenharia de dimensão de amostra
Zheshi Chen, Chunhong Li, Wenjun Sun
Revista de Matemática Computacional e Aplicada 365, 112395, 2020
Após o boom e a queda dos preços das criptomoedas nos últimos anos, o Bitcoin tem sido cada vez mais considerado um ativo de investimento. Devido à sua natureza altamente volátil, há uma necessidade de boas previsões nas quais basear decisões de investimento. Embora estudos existentes tenham utilizado aprendizado de máquina para previsões mais precisas do preço do Bitcoin, poucos se concentraram na viabilidade da aplicação de diferentes técnicas de modelagem a amostras com diferentes estruturas de dados e características dimensionais. Para prever o preço do Bitcoin em diferentes frequências usando técnicas de aprendizado de máquina, primeiro classificamos o preço do Bitcoin pelo preço diário e pelo preço de alta frequência. Um conjunto de características de alta dimensão, incluindo propriedade e rede, negociação e mercado, atenção e preço à vista do ouro são usados para a previsão do preço diário do Bitcoin, enquanto as características básicas de negociação adquiridas de uma exchange de criptomoedas são usadas para a previsão do preço em intervalos de 5 minutos. Métodos estatísticos, incluindo Regressão Logística e Análise Discriminante Linear para previsão do preço diário do Bitcoin com características de alta dimensão, alcançam uma precisão de 66%, superando algoritmos de aprendizado de máquina mais complicados. Comparado com os resultados de referência para previsão do preço diário, alcançamos um desempenho melhor, com as maiores precisões dos métodos estatísticos e algoritmos de aprendizado de máquina de 66% e 65,3%, respectivamente. Modelos de aprendizado de máquina, incluindo Floresta Aleatória, XGBoost, Análise Discriminante Quadrática, Máquina de Vetores de Suporte e Memória de Longo e Curto Prazo para previsão do preço do Bitcoin em intervalos de 5 minutos são superiores aos métodos estatísticos, com precisão atingindo 67,2%. Nossa investigação da previsão do preço do Bitcoin pode ser considerada um estudo piloto da importância da dimensão da amostra em técnicas de aprendizado de máquina.