Skaitmeninių valiutų kainų prognozavimas naudojant giliojo mokymosi algoritmą

Abstract

Kriptovaliutos vis dar yra finansų rinkos naujovė ir iki galo neištirta finansinis instrumentas. Tai išlaiko kriptovaliutas įdomia ir aktualia tema, tiek mokslininkams, tiek reguliacinėms institucijoms bei investuotojams. Kriptovaliutų rinka yra auganti, nestabili ir nuolat besikeičianti, kas suteikia jai aukštą riziką ir plačias galimybes. Finansinis išmanymas ir toliaregiškas prognozavimas, nepasimetant pinigų vertės, rizikos ir nenuspėjamumo chaose yra ypač svarbus šiandieninėje ekonomikoje. Sudėtingas kriptovaliutų rinkos pobūdis reikalauja plataus profilio duomenų kiekio, kuriam apdoroti taikomi įvairūs metodai, tokie kaip statistinė, techninė, sentimentų, sprendimų bei kita analizė. Ankstesni tyrimai kriptovaliutų kainas numatė dviem būdais: empirine analize ir mašinų mokymosi algoritmų analize. Šiame straipsnyje testuojamas giliojo mokymosi algoritmo taikymo galimybės kriptovaliutų kainų prognozavime. Taikant ilgalaikės trumpalaikės atminties tinklo (angl. long, shortterm network, toliau LSTM) algoritmą, prognozuojamas trumpalaikis kriptovaliutų kainų kitimas bei įvertinamas sugeneruotų duomenų tikslumas. Rezultatai parodė, kad giliojo mokymosi algoritmas kainas prognozuoja su maža paklaida ir tiksliai nuspėję kainos pokyčio tendenciją, kas leidžia teigti, kad giliojo mokymosi algoritmas yra efektyvi rizikos mažinimo priemonė finansų rinkoje.

Cryptocurrencies are still a novelty in the financial market which is not fully explored yet. This makes cryptocurrencies an interesting and relevant topic for researchers, regulators and investor. The cryptocurrency market is constantly growing, volatile and ever-changing, making it extremely risky for investments. Financial literacy, long-term prescience and correct focus without getting lost in chaos of risk, value and unpredictability are especially important in today's economy. Due to complex nature of the cryptocurrency market the large amount of profile data is generated, which can be processed using a variety of methods such as statistical, technical, sentiment, solution and other analysis. Previous studies have used two main method for cryptocurrency prices prediction: empirical and machine learning algorithm analysis. The aim of this article is to test the applicability of LSTM deep learning algorithm for cryptocurrency price forecasting as well as to evaluate the results. The research results showed that deep learning algorithm are able to forecast with low error magnitude, moreover trend of predicted values is accurate when compared to observed values. The results suggest that deep learning algorithm application for forecasting of cryptocurrency market price is a suitable alternative for risk minimization.