Індійський учений застосував технологію глибокого навчання для прогнозування цін криптоактивов

Дослідник з Технологічного інституту Веллора в Індії запропонував метод прогнозування цін криптоактивов з використанням нейронної мережі з довгою короткостроковою пам’яттю (LSTM).

Спеціаліст по обробці та аналізу даних Абинхав Сагар (Abinhav Sagar) продемонстрував
у своєму блозі четырехэтапный процес використання технології машинного навчання для прогнозування цін криптоактивов в режимі реального часу, які «щодо непередбачувані» порівняно з традиційними ринками.

На думку Сагара, хоча машинне навчання досягло деякого успіху в прогнозуванні цін на фондовому ринку, його застосування в індустрії криптовалют було обмежено. В підтвердження він заявив, що ціни криптоактивов коливаються в зв’язку з швидким розвитком технологій, а також економічними і політичними чинниками та питаннями безпеки.

Запропонований Сагаром четырехэтапный метод включає:

1. збір даних про криптовалюте в режимі реального часу;

2. підготовку даних для навчання нейронної мережі;

3. тестування прогнозу з використанням нейронної мережі LSTM;

4. візуалізацію результатів прогнозу.

Для навчання мережі Сагар використовував набір даних
від CryptoCompare, враховуючи ціну, обсяг торгів, найбільше і найменше значення ціни.

Він опублікував
інформацію про проект на GitHub і описав функції, які він використовував для нормалізації значень даних при підготовці до машинного навчання. Перш ніж скласти графік і візуалізувати результати мережевих прогнозів, Сагар зазначив, що в якості показника оцінки він використовував абсолютну похибка середнього значення, яка вимірює середню величину помилок в наборі прогнозів без урахування їх напрямки.

Візуалізація Сагара прогнозу ціни кріптовалюти в режимі реального часу з використанням нейронної мережі LSTM. Джерело: towardsdatascience.com

Машинне навчання вже не перший раз застосовується в індустрії криптовалют і блокчейна для отримання статистичних даних. Влітку аналітична компанія Elliptic у співпраці з Массачусетським технологічним інститутом (MIT) досліджували
понад 200 000 транзакцій у мережі Биткоина на предмет їх зв’язку з злочинною діяльністю. Для того, щоб відсортувати 203 769 транзакцій на загальну суму $6 млрд, дослідницька група задіяла алгоритм з машинним навчанням.