Cryptocurrency Return Forecasting Using Feature-Based Ensemble Machine Learning
- سال انتشار: 1401
- محل انتشار: هفتمین کنفرانس بین المللی مهندسی صنایع،بهره وری و کیفیت
- کد COI اختصاصی: IPQCONF07_004
- زبان مقاله: انگلیسی
- تعداد مشاهده: 226
نویسندگان
Department of Industrial Engineering, Science and Research branch, Islamic Azad University, Tehran, Iran
Department of Industrial Engineering, Science and Research branch, Islamic Azad University, Tehran, Iran
چکیده
Cryptocurrencies have recently piqued the curiosity of investors and academics. In this paper, we present a novel and comprehensive research of the cryptocurrency market, evaluating the forecasting performance for four of the most well-known cryptocurrencies (Bitcoin, Ethereum, Dogecoin, and Litecoin). We focus on stacking machine learning models, which are a type of ensemble learning model which can be used for financial time-series forecasting. Furthermore, we use grid search cross-validation to tune each machine learning hyperparameter. Therefore, we introduce a novel architecture of a feature-based ensemble machine learning model which integrates structured input data (i.e market trading data and technical analysis indicators) for the prediction of returns. According to our measurement, cryptocurrency return prediction with the feature-based ensemble machine learning model outperforms ARIMA in terms of forecasting accuracy.کلیدواژه ها
Machine learning, return forecasting, cryptocurrency trading, Ensemble learning, Feature engineering, Timeseries analysis.مقالات مرتبط جدید
- ارائه مدل جدید LRFMD برای بهبود تحلیل ارزش مشتریان و پیش بینی رفتار آنها و حل مدل با نرم افزار پایتون
- عارضه یابی رشته فعالیت های صنعتی استان سیستان و بلوچستان
- عوامل تاثیرگذار بر تقلیل مقاومت کارکنان در برابر پیاده سازی حسابداری تعهدی در مراکز دولتی
- نقش ذیحسابان در ارتقای اثربخشی نظارت مالی سازمان های دولتی در نظام بودجه ریزی مبتنی بر عملکرد
- بررسی دیدگاه های اثربخش اجرای حسابداری تعهدی در ادارات دولتی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.