То, что представлено, является чисто исследовательским проектом, а не рекомендацией для торговли:
До сих пор я экспериментировал с различными моделями прогнозирования цен на биткойны, используя данные внутри цепочки. Я использовал 373 функции платформы CryptoQuant с 2012 года по настоящее время. Поскольку я использую технику скользящего окна, классические модели машинного обучения, которые обычно работают с 2D-данными, для моих данных не подходят. Вместо этого я использую методы глубокого обучения на основе тензоров, которые позволяют обрабатывать 3D-данные.
Среди различных моделей, которые я пробовал в последние месяцы, наилучшие результаты были получены с моделями N-Beats и WaveNet. Модель N-Beats разработана в TensorFlow, точность модели составляет MAPE: 31,9849. Производительность этой модели на данных обучения, проверки и тестирования визуализируется на изображении A. На основании этого прогноз модели N-Beats на следующие 30 дней показан на диаграмме B.
Вторая модель, которая на данный момент дала приемлемые результаты, — это модель WaveNet. Значения потерь для этой модели были измерены с помощью отрицательного логарифмического правдоподобия со значением потерь 2,88. В этой модели также использовались те же данные, что и в предыдущей модели. Изображение C демонстрирует эффективность прогнозирования цен за последний месяц. А на изображении D показан прогноз цены Биткойна на следующий месяц на основе модели WaveNet.
Основываясь на модели WaveNet, с доверительным интервалом 50%, цена Биткойна, скорее всего, будет колебаться в том же диапазоне, что и в течение последних нескольких месяцев, в следующем месяце.
Автор: CryptoOnchain
