sciencedirect.com
使用機器學習進行比特幣價格預測：樣本維度工程的方法
陳哲是, 李春紅, 孫文軍
《計算與應用數學雜誌》365, 112395, 2020
在近年來加密貨幣價格的繁榮與崩潰之後，比特幣越來越被視爲一種投資資產。由於其高度波動的特性，迫切需要做出良好的預測，以便爲投資決策提供依據。儘管現有研究利用機器學習進行更精確的比特幣價格預測，但很少關注將不同建模技術應用於具有不同數據結構和維度特徵的樣本的可行性。爲了使用機器學習技術在不同頻率下預測比特幣價格，我們首先根據每日價格和高頻價格對比特幣價格進行分類。我們使用一組高維特徵，包括屬性和網絡、交易和市場、注意力和黃金現貨價格，用於比特幣每日價格預測，而從加密貨幣交易所獲得的基本交易特徵則用於5分鐘間隔的價格預測。包括邏輯迴歸和線性判別分析在內的統計方法在具有高維特徵的比特幣每日價格預測中實現了66%的準確率，超越了更復雜的機器學習算法。與每日價格預測的基準結果相比，我們實現了更好的性能，統計方法和機器學習算法的最高準確率分別爲66%和65.3%。包括隨機森林、XGBoost、二次判別分析、支持向量機和長短期記憶在內的機器學習模型在比特幣5分鐘間隔價格預測中優於統計方法，準確率達到67.2%。我們對比特幣價格預測的研究可以視爲對機器學習技術中樣本維度重要性的初步研究。