sciencedirect.com
使用机器学习的比特币价格预测：一种样本维度工程的方法
陈哲是, 李春宏, 孙文君
计算与应用数学期刊 365, 112395, 2020
在近年来加密货币价格的繁荣与崩溃之后，比特币越来越被视为一种投资资产。由于其高度波动的特性，对于基于良好预测的投资决策的需求日益增加。虽然现有研究已经利用机器学习进行更准确的比特币价格预测，但很少有研究专注于将不同建模技术应用于具有不同数据结构和维度特征的样本的可行性。为了使用机器学习技术预测不同频率的比特币价格，我们首先按每日价格和高频价格对比特币价格进行分类。一组包括属性和网络、交易和市场、关注度以及黄金现货价格的高维特征用于比特币每日价格预测，而从加密货币交易所获取的基本交易特征则用于5分钟间隔的价格预测。包括逻辑回归和线性判别分析的统计方法对于比特币每日价格预测的高维特征达到66%的准确率，优于更复杂的机器学习算法。与每日价格预测的基准结果相比，我们取得了更好的表现，统计方法和机器学习算法的最高准确率分别为66%和65.3%。包括随机森林、XGBoost、二次判别分析、支持向量机和长短期记忆在内的机器学习模型对于比特币5分钟间隔价格预测优于统计方法，准确率达到67.2%。我们对比特币价格预测的研究可以被视为机器学习技术中样本维度重要性的初步研究。
