sciencedirect.com
Прогнозування ціни біткоїна за допомогою машинного навчання: підхід до інженерії розмірності вибірки
Жеші Чен, Чунхон Лі, Веньцзун Сун
Журнал обчислювальної та прикладної математики 365, 112395, 2020
Після буму і краху цін на криптовалюти в останні роки біткоїн все більше розглядається як інвестиційний актив. Через свою високу волатильність існує потреба в точних прогнозах, на основі яких можна приймати інвестиційні рішення. Хоча існуючі дослідження використовували машинне навчання для більш точного прогнозування ціни біткоїна, небагато зосереджувалися на доцільності застосування різних моделей до вибірок з різними структурами даних і вимірювальними характеристиками. Щоб прогнозувати ціну біткоїна на різних частотах, використовуючи техніки машинного навчання, спочатку ми класифікуємо ціну біткоїна за щоденною ціною та ціною високої частоти. Набір ознак високої розмірності, включаючи власність і мережу, торгівлю та ринок, увагу та спотову ціну золота, використовується для прогнозування щоденної ціни біткоїна, тоді як основні торгові ознаки, отримані з біржі криптовалют, використовуються для прогнозування ціни з інтервалом 5 хвилин. Статистичні методи, включаючи логістичну регресію та лінійний дискримінантний аналіз для щоденного прогнозування ціни біткоїна з ознаками високої розмірності, досягають точності 66%, перевершуючи більш складні алгоритми машинного навчання. У порівнянні з еталонними результатами для щоденного прогнозування ціни ми досягаємо кращих показників, з найвищими точностями статистичних методів і алгоритмів машинного навчання на рівні 66% та 65.3% відповідно. Моделі машинного навчання, включаючи випадковий ліс, XGBoost, квадратичний дискримінантний аналіз, метод опорних векторів та довгострокову пам'ять, для прогнозування ціни біткоїна з інтервалом 5 хвилин перевершують статистичні методи, досягаючи точності 67.2%. Наше дослідження прогнозування ціни біткоїна можна вважати пілотним дослідженням важливості розмірності вибірки в техніках машинного навчання.