基于区块链的加密货币价格变化的时间序列分析
机器学习
2022-03-01 v1 分布式、并行与集群计算
摘要
本文将神经网络与人工智能（AI）应用于高风险加密货币的的历史记录，以训练预测其价格的模型。本文的代码包含 Jupyter notebooks，其中之一是当历史数据的 CSV 文件输入程序后，输出任意加密货币价格的时间序列图。另一个 Jupyter notebook 训练一个 LSTM（长短期记忆模型）来预测加密货币的收盘价格。LSTM 被输入收盘价（即该货币在每日结束时的价格），以便从这些值中学习。该 notebook 创建了两个集合：训练集与测试集，以评估结果的准确性。随后数据使用手动最小-最大缩放进行归一化，使模型不受到任何偏差；这也提升了模型的性能。接着，模型使用三层进行训练——一个 LSTM、dropout 和 dense 层——通过 50 个 epoch 的训练最小化损失；由此训练得到一个循环神经网络（RNN）并拟合到训练集。此外，生成了每个 epoch 损失变化的图，损失随时间最小化。最后，该 notebook 绘制了红线表示实际货币价格、蓝线表示预测价格的直线图。随后对若干其他加密货币重复该过程以比较预测模型。LSTM 的参数（如 epoch 数和批量大小）被调整以尝试最小化均方根误差。
引用
@article{arxiv.2202.13874,
title = {Time Series Analysis of Blockchain-Based Cryptocurrency Price Changes},
author = {Jacques Fleischer and Gregor von Laszewski and Carlos Theran and Yohn Jairo Parra Bautista},
journal= {arXiv preprint arXiv:2202.13874},
year = {2022}
}