پیشبینی نوسان ارزهای دیجیتال با یادگیری عمیق
خلاصه
این پژوهش ریسک ارزهای دیجیتال را در قالب پیشبینی نوسان بررسی میکند و مدلهای یادگیری ماشین را بر معیارهای ریسک محاسبهشده برای بیست مؤلفه از بازار ارزهای دیجیتال به کار میگیرد. شبکههای عصبی کانولوشنی، مدلهای حافظه بلندکوتاهمدت، مدلهای حافظه بلندکوتاهمدت دوسویه و واحدهای بازگشتی دروازهدار را مقایسه میکند و سپس مدلی تازه معرفی میکند که قرار است از این گزینهها بهتر باشد. داراییهای مورد بحث شامل بیتکوین، اتریوم و دوجکوین هستند.
سند مقادیر ریشه میانگین مربعات خطا را برای مدل پیشنهادی و مدلهای موجود گزارش میکند؛ خطاهای رویکرد پیشنهادی هم از خطاهای مدلهای مقایسهای کمترند و هم از آنها بیشتر. بااینحال، جزئیات اندکی درباره دادهها، افق پیشبینی، ساخت نوسان، طراحی اعتبارسنجی یا ساختار مدل جدید ارائه میدهد. بنابراین از روی این توضیح نمیتوان بهطور مستقل بهبود ادعاشده را ارزیابی کرد؛ دقت پیشبینی بهتنهایی نیز نشان نمیدهد که برآورد نوسان، تصمیمهای معاملاتی را بهتر میکند یا در بازارهای زنده ریسک را کنترل میکند.
ایدههای کلیدی
- این پژوهش ریسک ارزهای دیجیتال را بهصورت مسئله پیشبینی نوسان بررسی میکند.
- مدلهای CNN، LSTM، LSTM دوسویه و GRU را بر معیارهای ریسک محاسبهشده مقایسه میکند.
- مدلی تازه با استفاده از RMSE در برابر رویکردهای موجود ارزیابی میشود.
- خلاصه از بیتکوین، اتریوم و دوجکوین نام میبرد، اما اطلاعات محدودی درباره دادهها و اعتبارسنجی میدهد.
- نتایج خطای پیشبینی بهتنهایی بهبودهای عملی در معامله یا مدیریت ریسک را اثبات نمیکنند.
برچسبها
متن کامل
# A Deep Learning Approach to Predict the Fall [of Price] of Cryptocurrency Long Before its Actual Fall # A Deep Learning Approach to Predict the Fall [of Price] of Cryptocurrency Long Before its Actual Fall In modern times, the cryptocurrency market is one of the world's most rapidly rising financial markets. The cryptocurrency market is regarded to be more volatile and illiquid than traditional markets such as equities, foreign exchange, and commodities. The risk of this market creates an uncertain condition among the investors. The purpose of this research is to predict the magnitude of the risk factor of the cryptocurrency market. Risk factor is also called volatility. Our approach will assist people who invest in the cryptocurrency market by overcoming the problems and difficulties they experience. Our approach starts with calculating the risk factor of the cryptocurrency market from the existing parameters. In twenty elements of the cryptocurrency market, the risk factor has been predicted using different machine learning algorithms such as CNN, LSTM, BiLSTM, and GRU. All of the models have been applied to the calculated risk factor parameter. A new model has been developed to predict better than the existing models. Our proposed model gives the highest RMSE value of 1.3229 and the lowest RMSE value of 0.0089. Following our model, it will be easier for investors to trade in complicated and challenging financial assets like bitcoin, Ethereum, dogecoin, etc. Where the other existing models, the highest RMSE was 14.5092, and the lower was 0.02769. So, the proposed model performs much better than models with proper generalization. Using our approach, it will be easier for investors to trade in complicated and challenging financial assets like Bitcoin, Ethereum, and Dogecoin.
با ذکر منبع و مطابق مجوز اثر، بهطور کامل نمایش داده میشود. مجوز: abstract CC0
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخهای از اثر منبع نیست.