ハイブリッドANFIS-MPAおよびFFNN-MPAモデルによるビットコイン価格予測

科学分野:

• 計算知能
• 金融予測
• 時系列解析

背景:

• 正確な短期ビットコイン価格予測は依然として困難である。
• 既存の予測モデルは、しばしば仮想通貨市場のボラティリティに苦労している。
• 最適化アルゴリズムは、複雑な予測モデルのトレーニングに不可欠である。

研究 の 目的:

• 短期的なビットコイン価格予測のためのハイブリッド予測モデルの開発と評価。
• 海洋捕食者アルゴリズム（MPA）と適応型ニューロファジー推論システム（ANFIS）およびフィードフォワードニューラルネットワーク（FFNN）の統合。
• MPAで強化されたモデルのパフォーマンスと他のメタヒューリスティックアルゴリズムとの比較。

主な方法:

• 2022年の日次ビットコイン価格データを使用した。
• データをさまざまな入力構成を持つ教師あり時系列構造に変換した。
• 2つのハイブリッドモデル、ANFIS-MPAおよびFFNN-MPAを開発およびテストした。
• 6つの確立されたメタヒューリスティックトレーニングアルゴリズムと比較してパフォーマンスを評価した。

主要な成果:

• MPAは予測誤差が小さく、収束が速いという優れた性能を示した。
• ハイブリッドANFIS-MPAおよびFFNN-MPAモデルは、ベースラインアルゴリズムを常に上回った。
• モデルは、さまざまな複雑さに対して信頼性の高いパフォーマンスを示し、分散が少なく、堅牢で再現性の高い結果をもたらした。

結論:

• 海洋捕食者アルゴリズムは、金融時系列予測におけるニューロファジーおよびニューラルネットワークモデルの効果的なオプティマイザーである。
• MPAを統合したハイブリッドモデルは、ビットコイン価格予測のための予測精度と安定性を向上させる。
• 提案されたANFIS-MPAおよびFFNN-MPAアプローチは、金融予測技術における重要な進歩を表す。