基于机器学习的加密货币价格预测：构建智能金融预测模型
机器学习
2025-08-05 v1
摘要
加密货币市场正经历快速增长，但这一扩张伴随着诸多挑战，尤其是为美国交易者预测加密货币价格。本研究探讨了深度学习和机器学习模型如何用于预测XRP/USDT交易对的收盘价。虽然许多现有加密货币预测模型仅关注价格和成交量模式，但常常忽视市场流动性——这一关键因素直接影响价格的可预测性。为此，我们引入两种重要的流动性代理指标：成交量-波动率比（VVR）和加权平均价格（VWAP）。这些指标有助于更清晰地理解市场稳定性和流动性，从而提升价格预测的准确性。我们开发了四种机器学习模型：线性回归、随机森林、XGBoost和LSTM神经网络，仅使用历史数据（不包含流动性代理指标）进行训练与评估。随后我们重新训练模型，纳入流动性代理指标，并重新评估其性能。在两种情形（是否包含流动性代理指标）下，LSTM模型始终优于其他模型。这些结果凸显了在预测加密货币收盘价时考虑市场流动性的重要性。因此，纳入这些流动性指标对于构建更准确的预测模型至关重要。我们的发现为寻求在美国数字资产市场中创建更智能且更具风险意识的交易策略的交易者和开发者提供了宝贵的洞见。
引用
@article{arxiv.2508.01419,
title = {Cryptocurrency Price Forecasting Using Machine Learning: Building Intelligent Financial Prediction Models},
author = {Md Zahidul Islam and Md Shafiqur Rahman and Md Sumsuzoha and Babul Sarker and Md Rafiqul Islam and Mahfuz Alam and Sanjib Kumar Shil},
journal= {arXiv preprint arXiv:2508.01419},
year = {2025}
}