- 简介本研究提出了一种创新的方法,用于预测加密货币时间序列,特别是比特币、以太坊和莱特币。该方法整合了技术指标、Performer神经网络和BiLSTM(双向长短期记忆)等技术,以捕捉时间动态并从原始加密货币数据中提取重要特征。技术指标的应用有助于提取复杂的模式、动量、波动性和趋势。Performer神经网络采用快速正交随机特征(FAVOR+)实现了比传统Transformer模型中的多头注意力机制更高的计算效率和可扩展性。此外,将BiLSTM集成到前馈网络中可以增强模型捕捉数据中的时间动态能力,同时向前和向后处理数据。这对于时间序列数据尤其有利,因为过去和未来的数据点可以影响当前状态。该方法已应用于主要加密货币的小时和日时间框架,并与文献中记录的其他方法进行了基准测试。结果强调了该方法具有超越现有模型的潜力,标志着加密货币价格预测领域的重要进展。
- 图表
- 解决问题本论文旨在解决加密货币时间序列预测的问题,特别是针对比特币、以太坊和莱特币。该研究方案是否是一种新的方法?
- 关键思路本文提出了一种创新的方法,将技术指标、Performer神经网络和BiLSTM相结合,以捕捉时间动态并从原始加密货币数据中提取重要特征。
- 其它亮点本文的亮点包括:使用技术指标提取复杂的模式、动量、波动性和趋势;使用Performer神经网络,通过FAVOR+实现快速注意力机制,提高计算效率和可扩展性;将BiLSTM集成到前馈网络中,增强模型捕捉时间动态的能力;实验结果表明,该方法在加密货币价格预测方面的性能优于现有模型。
- 近期在这个领域中的相关研究包括:《基于LSTM网络的加密货币价格预测》、《基于深度学习的比特币价格预测》等。
沙发等你来抢
去评论
评论
沙发等你来抢