基于 LSTM+XGBoost 的加密货币价格预测
机器学习
2025-06-30 v1
摘要
加密货币市场的波动性和复杂动态为准确的价格预测带来了独特的挑战。该研究提出了一种集成长短期记忆（LSTM）网络和极端梯度提升（XGBoost）的混合深度学习和机器学习模型，用于加密货币价格预测。LSTM 组件捕捉历史价格数据中的时间依赖性，而 XGBoost 通过建模包含情感得分和宏观经济指标等辅助特征来增强预测。该模型在比特币、以太坊、狗狗币和莱特币的历史数据集上进行评估，包含全球和局部交易所数据。使用平均绝对百分比误差（MAPE）和最小最大归一化均方根误差（MinMax RMSE）进行比较分析，结果表明 LSTM+XGBoost 混合模型在预测准确性上持续优于单一模型和传统预测方法。该研究强调了混合架构在金融预测中的潜力，并提供了关于模型在不同加密货币和市场情境下适应性的见解。
引用
@article{arxiv.2506.22055,
title = {crypto price prediction using lstm+xgboost},
author = {Mehul Gautam},
journal= {arXiv preprint arXiv:2506.22055},
year = {2025}
}