Мы в соц. сетях:
Вконтакте Facebook Twitter

ПРИМЕНЕНИЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ К ПРОГНОЗИРОВАНИЮ ВРЕМЕННЫХ РЯДОВ КРИПТОВАЛЮТ

В. Д. Дербенцев, Г. И. Великоиваненко, Н. В. Даценко

Работа посвящена вопросам прогнозирования краткосрочной динамики временных рядов криптовалют с помощью методов машинного обучения (ML). Проанализированы методологические основы, преимущества и недостатки использования ML-алгоритмов при исследовании финансовых временных рядов.

Проведены прогнозные расчеты динамики трех наиболее капитализированных криптовалют (Bitcoin, Ethereum, Ripple) на 90-дневный временной горизонт как с помощью предложенного метода бинарного авторегрессионного дерева (BART), так и с использованием нейронных сетей (многослойного персептрона, MLP) и ансамбля моделей деревьев регрессии и классификации (случайный лес, RF). Преимуществом построенных моделей является то, что их применение не накладывает жестких ограничений на статистические свойства изучаемых временных рядов, причем в качестве предикторов используются только предыдущие значения целевой переменной.

Проведен сравнительный анализ прогностических свойств построенных моделей, согласно которому все модели в целом достаточно адекватно описывают динамику исследуемых криптовалют, при этом ошибки прогноза цен, рассчитанные по средней абсолютной процентной погрешности (MAPE), для моделей BART и MLP составили в среднем 3,5 %, а для модели RF – в пределах 5 %.

Проведенные компьютерные эксперименты подтвердили целесообразность применения рассмотренных ML моделей для задач краткосрочного прогнозирования финансовых временных рядов. Построенные модели и их ансамбли могут быть положены в основу алгоритмов для автоматизированных торговых систем, предназначенных для интернет-трейдинга.

Ключевые слова. Машинное обучение, модель бинарного авторегрессионного дерева, случайный лес, нейронная сеть, краткосрочное прогнозирование, криптовалюта, финансовый временной ряд.

DOI 10.33111/nfmte.2019.065


Creative Commons Attribution-NonCommercial 4.0 International License

Скачать статью