Анализ нейросетевых моделей LSTM и GMDH для прогнозирования криптовалюты

Авторы

  • Volodymyr Moroz
  • Jonas Helvig
  • Dmytro Moroz
  • Pavlo Zhukov

DOI:

https://doi.org/10.20998/2411-0558.2020.01.10

Аннотация

Исследовано применение моделей нейронных сетей для решения проблемы прогнозирования цен на криптовалюту. В отличие от классических статистических методов анализа финансово-экономических рядов, основанных на многомерном линейном регрессионном анализе, предложена модель с памятью и адаптивная полиномиальная модель. Модели тестируются на примере прогнозирования криптовалюты из-за ее высокой изменчивости и низкой корреляции с традиционными активами. Для прогнозирования используют нейронные сети GMDH и LSTM. Доказано преимущество полиномиальной регрессионной модели GMDH по критерию прогнозирования скорости и точности. Ил.: 5. Табл.: 1. Библиогр.: 22 назв.

Ключевые слова: полиномиальная регрессионная модель; нейронная сеть; прогнозирование; криптовалюта.

Опубликован

2020-05-26