Аналіз нейромережевих моделей LSTM та GMDH для прогнозування криптовалюти

Анотація

Досліджується застосування нейромережевих моделей для задачі прогнозування цін на криптовалюти. На відміну від класичних статистичних методів аналізу фінансових і економічних рядів, в основі яких є багатовимірний лінійний регресійний аналіз, пропонується модель з пам’ятю та адаптивна поліноміальна модель. Апробація моделей проводиться на даних криптовалютних ринків завдяки їх високій волатильності та низькій кореляції з традиційними активами. Для прогнозування застосовуються GMDH та LSTM нейронні мережі. Доведена перевага поліноміальної регресійної моделі GMDH за критерієм швидкість-точність прогнозування. Іл.: 5. Табл.: 1. Бібліогр.: 22 назв.

Ключові слова: поліноміальна регресійна модель; нейронна мережа; прогнозування; криптовалюта.