利用时间序列分类与时间融合变换器提高加密货币价格预测
机器学习
2024-12-20 v1 计算工程、金融与科学
统计金融
摘要
组织和管理加密货币投资组合以及制定交易决策是这一市场的关键任务。准确选择资产是需要精确预测加密货币价格的主要挑战之一。本文将金融时间序列分为若干相似子序列，以提高预测准确性，通过学习每个子序列类别的相似行为。对于每个子序列类别，我们创建基于注意力机制的深度学习模型来预测每个子序列的下一步。由于加密货币数据量有限，若类别数量增加，每个模型的训练数据将减少，一些复杂模型由于参数数量大而难以训练。为克服这一挑战，我们提出将其他加密货币的时间序列数据与之组合，以增加每个类别的训练数据量，从而提高对应每个类别的模型准确率。
引用
@article{arxiv.2412.14529,
title = {Leveraging Time Series Categorization and Temporal Fusion Transformers to Improve Cryptocurrency Price Forecasting},
author = {Arash Peik and Mohammad Ali Zare Chahooki and Amin Milani Fard and Mehdi Agha Sarram},
journal= {arXiv preprint arXiv:2412.14529},
year = {2024}
}