基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本次研究利用2014-2017年的比特币交易数据,对简单LSTM比特币时间序列预测实验展开了回顾.探讨两类LSTM模型的预测值与真实值的关系,并结合热图指出可能高度相关的变量.在2015-2020年的实时数据集中,利用Python3.7、Keras、LSTM等工具,给出预测值与真实值的折线图.重点对近30日的数据进行比对,同时利用前置1日的方法,并且对真实回报、预测回报进行比对,进而发现LSTM模型对于比特币时间序列预测的不足.实证分析说明,LSTM对判断比特币市场的趋势是具备一定价值的,但由于影响比特币的因素非常多而复杂,仅仅依赖时间序列是远远无法达到较好目标的.
推荐文章
基于EMD和Elman网络的人民币汇率时间序列预测
时间序列
汇率预测
经验模态分解
Elman网络
基于DMD-LSTM模型的股票价格时间序列预测研究
动态模态分解
长短期记忆神经网络
模态特征
板块联动效应
市场背景
基于LSTM时间序列重建的生产装置异常检测
算法
神经网络
参数估计
LSTM
时间序列
异常检测
极大似然估计
基于LSTM时间递归神经网络的短期电力负荷预测
短期电力负荷预测
LSTM
时间递归
神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于LSTM的比特币时间序列预测的实证分析
来源期刊 现代计算机 学科
关键词 LSTM 比特币 预测值 真实值 MAE
年,卷(期) 2020,(36) 所属期刊栏目 研究与开发
研究方向 页码范围 40-46
页数 7页 分类号
字数 语种 中文
DOI 10.3969/j.issn.1007-1423.2020.36.008
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (108)
共引文献  (52)
参考文献  (13)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1989(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(5)
  • 参考文献(0)
  • 二级参考文献(5)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(10)
  • 参考文献(0)
  • 二级参考文献(10)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(6)
  • 参考文献(0)
  • 二级参考文献(6)
2014(5)
  • 参考文献(0)
  • 二级参考文献(5)
2015(9)
  • 参考文献(0)
  • 二级参考文献(9)
2016(13)
  • 参考文献(2)
  • 二级参考文献(11)
2017(16)
  • 参考文献(0)
  • 二级参考文献(16)
2018(11)
  • 参考文献(0)
  • 二级参考文献(11)
2019(13)
  • 参考文献(5)
  • 二级参考文献(8)
2020(6)
  • 参考文献(6)
  • 二级参考文献(0)
2020(6)
  • 参考文献(6)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
LSTM
比特币
预测值
真实值
MAE
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代计算机
旬刊
1007-1423
44-1415/TP
16开
广东省广州市
46-121
1984
chi
出版文献量(篇)
11312
总下载数(次)
39
总被引数(次)
33178
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导