Comparison of different Artificial Neural Networks for Bitcoin price forecasting

要約

この研究では、人工ニューラル ネットワーク (ANN) を使用した暗号通貨の収益予測の精度に対する、シーケンスの長さの変化の影響を調査します。
平均絶対誤差 (MAE) をしきい値基準として利用し、このしきい値より小さいリターンを除外することで予測精度を向上させ、マイナーなリターンに関連する誤差を軽減することを目指しています。
その後の評価は、このしきい値を超える予測収益の精度に焦点を当てます。
リターン予測間隔を 2 時間として、それぞれ 168 時間 (7 日)、72 時間 (3 日)、24 時間、12 時間の 4 つのシーケンス長を比較します。
私たちの発見は、予測精度に対する配列の長さの影響を明らかにし、財務予測モデルにおける最適化された配列構成の可能性を強調しています。

要約(オリジナル)

This study investigates the impact of varying sequence lengths on the accuracy of predicting cryptocurrency returns using Artificial Neural Networks (ANNs). Utilizing the Mean Absolute Error (MAE) as a threshold criterion, we aim to enhance prediction accuracy by excluding returns that are smaller than this threshold, thus mitigating errors associated with minor returns. The subsequent evaluation focuses on the accuracy of predicted returns that exceed this threshold. We compare four sequence lengths 168 hours (7 days), 72 hours (3 days), 24 hours, and 12 hours each with a return prediction interval of 2 hours. Our findings reveal the influence of sequence length on prediction accuracy and underscore the potential for optimized sequence configurations in financial forecasting models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google