Predykcja kursu waluty Bitcoin w oparciu o rozszerzoną analizę techniczną oraz sieci neuronowe z pamięcią długookresową

Abstract

Na przestrzeni ostatnich kilku lat Bitcoin z niszowej ciekawostki technologicznej przeobraził się w znaczące aktywo finansowe. Gwałtowne ruchy cenowe największej z kryptowalut, których skutkiem były zarówno ogromne zyski jak i spektakularne bankructwa, do dziś wzbudzają emocje. Celem niniejszej pracy jest próba predykcji przyszłego kursu Bitcoina przy pomocy sieci neuronowej z pamięcią długoterminową. Zastosowana została sieć typu LSTM uważana za najskuteczniejsze rozwiązanie podczas pracy z danymi opartymi o szeregi czasowe. Postawiono tezę zgodnie z którą sieć wykorzystująca jedynie historyczne zapisy na temat wysokości ceny i wielkości obrotu może okazać się nieskuteczna. Celem poprawienia wyników autor wykorzystał więc wiedzę branżową z zakresu analizy technicznej, obliczając i dodając do danych wejściowych sieci cztery wybrane wskaźniki finansowe kładące nacisk na trendy cenowe, wolumen obrotu oraz zmienność kursu. Praca zawiera zestawienie wyników prostej wersji programu z pełną, zawierającym wyliczone wskaźniki. Porównanie wartości przewidzianych na zbiorze testowym przy pomocy pełnej wersji oprogramowania z danymi rzeczywistymi wskazało na błąd średniokwadratowy na poziomie jedynie 0,000784, w porównaniu z 0,00258 w przypadku wersji prostej. Wzbogacenie pracy o wskaźniki techniczne pozwoliło więc na redukcję straty o 70% potwierdzając tym samym postawioną tezę.