Enhancing Price Prediction in Cryptocurrency Using Transformer Neural Network and Technical Indicators

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。

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？

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。

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。