СТВОРЕННЯ ТА РЕАЛІЗАЦІЯ НЕЙРОННИХ МЕРЕЖ ДЛЯ ПРОГНОЗУВАННЯ ЦІНИ ВІРТУАЛЬНИХ АКТИВІВ

A. Tsemko, Zinovii Liubun

Анотація


Рекурентні нейронні мережі використовують для задач прогнозування. Оскільки маючи набір даних за певний проміжок часу, ми можемо навчити нейронну мережу виявити певні закономірності між даними і спрогнозувати майбутні значення часового ряду. Починаючи від початку 2021 року віртуальні активу почали ставати популярними, і задача прогнозування майбутніх значень ціни волатильних активів набула популярності. Використання рекурентних нейронних мереж, на відміну від методів сімейства ARIMA, може дозволити враховувати за вхідні параметри не тільки поточне значення ціни, а і інші фактори, що можуть впливати на ціну.

Ключові слова: рекурентні нейромережі, прогнозування, віртуальні активи.


Повний текст:

PDF

Посилання


  1. TensorFlow Guide [Електронний ресурс] – Режим доступу: https://www.tensorflow.org/guide
  2. Time Series forecasting [Електронний ресурс] – Режим доступу: https://www.tensorflow.org/tutorials/structured_data/time_series
  3. Time Series Prediction with LSTM Recurrent Neural Networks in Python with Keras [Електронний ресурс] – Режим доступу: https://machinelearningmastery.com/time-series-prediction-lstm-recurrent-neural-networks-python-keras/
  4. Проблема зникання градієнту [Електронний ресурс] – Режим доступу: https://www.wikiwand.com/uk/Проблема_зникнення_градієнту
  5. A Gentle Introduction to Exploding Gradients in Neural Network [Електронний ресурс] – Режим доступу: https://machinelearningmastery.com/exploding-gradients-in-neural-networks/
  6. Bitcoin USD (BTC-USD) [Електронний ресурс] – Режим доступу: https://finance.yahoo.com/quote/BTC-USD/history/




DOI: http://dx.doi.org/10.30970/eli.20.5

Посилання

  • Поки немає зовнішніх посилань.