В недавнем исследовательском проекте были протестированы различные модели для прогнозирования цен на биткойны с использованием сетевых данных с платформы CryptoQuant. В исследовании было использовано 373 объекта, охватывающих период с 2012 года по настоящее время. Классические модели машинного обучения оказались непригодными из-за использования техники скользящего окна, что привело к применению методов глубокого обучения на основе тензоров для обработки 3D-данных.

Наиболее многообещающие результаты были получены с моделями N-Beats и WaveNet. Модель N-Beats, разработанная в TensorFlow, достигла средней абсолютной процентной ошибки (MAPE) 31,9849. Эффективность модели на данных обучения, проверки и испытаний продемонстрирована на изображении A, а 30-дневный прогноз показан на диаграмме B.

Модель WaveNet также показала приемлемые результаты со значением потерь отрицательного логарифмического правдоподобия 2,88. Изображение C демонстрирует эффективность прогнозирования цен за прошлый месяц, а изображение D представляет прогноз цен на биткойны на предстоящий месяц. Согласно модели WaveNet, цена Биткойна, скорее всего, будет колебаться в том же диапазоне, в котором она находилась в течение последних нескольких месяцев, с доверительным интервалом 50%.