开发一种加密货币价格预测模型:利用GRU和LSTM用于比特币,莱特币和以太坊

科学领域:

• 计算金融是指计算金融.
• 金融领域的人工智能
• 时间序列分析时间序列分析

背景情况:

• 加密货币是一种金融技术资产,由于市场非线性,它给价格预测带来了独特的挑战.
• 准确的加密货币价格预测受到研究人员和投资者的高度追捧.
• 深度学习 (DL) 算法为金融市场中复杂的时间序列预测任务提供了潜在的解决方案.

研究的目的:

• 评估用于加密货币价格预测的长短期内存 (LSTM) 和门式循环单元 (GRU) 深度学习模型的性能.
• 为了比较LSTM和GRU在预测比特币 (BTC),以太坊 (ETH) 和莱特币 (LTC) 汇率方面的准确性.
• 确定最有效的深度学习算法,用于开发准确的加密货币价格预测模型.

主要方法:

• 采用了两个循环神经网络 (RNN) 架构:LSTM和GRU.
• 利用了BTC,ETH和LTC的历史价格数据,正常化并分为80:20列车测试集.
• 实现了一个双层GRU网络,该网络使用Adam优化器进行了优化,失业率为0.2;使用MSE,MAE,MAPE和RMSE指标进行评估.

主要成果:

• 在所有评估的加密货币中,GRU模型在LSTM模型上表现优越.
• 格鲁实现了较低的平均绝对百分比误差 (MAPE) 值:比特币为0.03540,LTC为0.08703,ETH为0.04415.
• 配置为具有Adam优化和dropout的双层网络的GRU模型在防止过拟合和提高预测准确性方面被证明是有效的.

结论:

• 门式循环单位 (GRU) 算法被认为是构建准确的加密货币价格预测模型的最佳选择.
• 开发的GRU模型为波动的加密货币市场的交易者和投资者提供了有价值的,准确的预测.
• 未来的研究应该纳入其他有影响力的因素,如社交媒体情绪和交易量,以进一步完善预测准确性.