Разработка прогноза динамики курса криптовалюты на основе теории машинного обучения

Статья опубликована в журнале: Финансовая аналитика: проблемы и решения, 2020, Т. 13, № 1, С. 97 – 113

Автор(ы): Ельшин Л.А., Гильманов А.М., Бандеров В.В.

Рубрика: Риски, анализ и оценка

Аннотация

Предмет. Методические подходы к прогнозированию динамики развития рынка криптовалюты (на примере биткойна).

Цели. Поиск и научное обоснование инструментов и механизмов разработки прогностических оценок развития рынка криптовалюты на краткосрочный период времени с использованием методов моделирования временных рядов на основе использования методов машинного обучения, в которых применяются искусственные нейронные сети LSTM.

Методология. На основе использования методов программирования в среде Python построена и обоснована модель нейронной сети для анализируемого ряда, характеризующего динамику биржевого курса биткойна.

Результаты. На основе реализации подбора функции потерь, оптимизатораи параметров построения нейронной сети, предсказывающей курс валютной пары BTC/USD на один день вперед доказана ее высокая пригодность, что подтверждается минимальным уровнем ошибок на тренировочной и валидационной выборке.

Область применения. Разработанный подход целесообразно использовать при проведении анализа и оценки текущих и перспективных параметров развития рынка криптовалюты. Инструментарий может представлять практический интерес для инвесторов, осуществляющих свою деятельность на новых рынках цифровых денег.

Выводы. Полученные результаты во многом свидетельствуют о перспективности выбранного инструментария прогнозирования рынка криптовалюты, основанного на использовании алгоритмов построения LSTM-сетей.

Ключевые слова: рынок криптовалюты, временной ряд, прогнозирование, машинное обучение, искусственные нейронные сети, LSTM, искусственный интеллект