Те, що представлено, є суто дослідницьким проектом, а не рекомендацією для торгівлі:
Наразі я експериментував із різними моделями, щоб передбачити ціни біткойнів, використовуючи дані в мережі. Я використовував 373 функції платформи CryptoQuant з 2012 року до сьогодні. Оскільки я використовую техніку ковзного вікна, класичні моделі машинного навчання, які зазвичай працюють із 2D-даними, не підходять для моїх даних. Натомість я використовую методи глибокого навчання на основі тензорів, які дозволяють обробляти 3D-дані.
Серед різних моделей, які я пробував протягом останніх місяців, найкращі результати були отримані з моделями N-Beats і WaveNet. Модель N-Beats розроблена в TensorFlow, а точність моделі становить MAPE: 31,9849. Продуктивність цієї моделі на даних навчання, перевірки та тестування візуалізовано на зображенні A. На основі цього прогноз моделі N-Beats на наступні 30 днів показано на діаграмі B.
Другою моделлю, яка наразі забезпечила прийнятні результати, є модель WaveNet. Значення втрат для цієї моделі було виміряно негативним логарифмом правдоподібності, зі значенням втрат 2,88. Ця модель також використовувала ті самі дані, що й попередня модель. Зображення C показує його ефективність у прогнозуванні цін за минулий місяць. А зображення D показує прогноз ціни Bitcoin на наступний місяць на основі моделі WaveNet.
Виходячи з моделі WaveNet, з довірчим інтервалом 50%, ціна біткойна, ймовірно, коливатиметься в тому ж діапазоні, що й упродовж останніх кількох місяців, у наступному місяці.
Автор CryptoOnchain
