Bitcoin World Price Forecasting: Time Series Analysis and Machine Learning Approach
- سال انتشار: 1401
- محل انتشار: ششمین کنفرانس بین المللی کارآفرینی و مهندسی صنایع
- کد COI اختصاصی: EINB06_038
- زبان مقاله: انگلیسی
- تعداد مشاهده: 426
نویسندگان
School of Industrial engineering, College of Engineering, University of Tehran, Tehran, Iran
Department of Industrial Engineering, Sharif University of Technology, Tehran, Iran
چکیده
The ever-growing attention to Cryptocurrencies highlights the demand for higher academic contribution to the subject. Bitcoin is a kind of Cryptocurrencies, which plays a special role in financial transactions today; hence, price prediction is of great importance. In recent years, a vast body of research has been devoted to bitcoin pricing models, but previous research suffers from high prediction errors due to the fluctuations in the price of bitcoin make room for more research. This research will use SARIMAX, as time series analysis model, XGBOOST, as a gradient method that accelerates model learning by parallelizing decision trees and long short-term memory Neural Network Model (LSTM) to predict Bitcoin price between Late ۲۰۱۲ to early ۲۰۲۱. We considered about two months as test data, which LSTM had the best prediction accuracy, R squared of ۸۱.۳۹ percent for test data.کلیدواژه ها
Time Series Analysis, XGBOOST, LSTM, Bitcoin, Price prediction.مقالات مرتبط جدید
- کالیبراسیون مبتنی بر مقایسه قطعه با قطعه مرجع به جای ابزار مرجع (Master-Part)
- نقش واسطه ای IT و مدیریت یکپارچه زیست محیطی در ارتباط بین IT و عملکرد زیست محیطی– یک مطالعه موردی
- Application of Machine Learning and Deep Learning in Pancreatic Cancer Diagnosis: A Review
- Adoption of Artificial Intelligence in Small and Medium Manufacturing Enterprises: An HBR Perspective and a Human – Machine Collaboration Framework
- کاربرد شبکه های بیزین در مدیریت نگهداری و تعمیرات پیش بینانه: مطالعه ای موردی بر خطوط تولید شرکت سیمان تهران
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.