論文の概要: A Blockchain Transaction Graph based Machine Learning Method for Bitcoin
Price Prediction
- arxiv url: http://arxiv.org/abs/2008.09667v1
- Date: Fri, 21 Aug 2020 20:08:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-26 21:27:26.568054
- Title: A Blockchain Transaction Graph based Machine Learning Method for Bitcoin
Price Prediction
- Title(参考訳): Bitcoin価格予測のためのブロックチェーントランザクショングラフに基づく機械学習手法
- Authors: Xiao Li and Weili Wu
- Abstract要約: 既存のbitcoinの予測は、主に簡単な機能エンジニアリングに当てはまる。
異なる範囲のパターンを明らかにするために,kオーダーのトランザクショングラフを提案する。
特徴を受け入れて価格予測を行う新しい予測手法を提案し, 異なる歴史時代の特定のパターンを生かした価格予測手法を提案する。
- 参考スコア(独自算出の注目度): 8.575998118995216
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Bitcoin, as one of the most popular cryptocurrency, is recently attracting
much attention of investors. Bitcoin price prediction task is consequently a
rising academic topic for providing valuable insights and suggestions. Existing
bitcoin prediction works mostly base on trivial feature engineering, that
manually designs features or factors from multiple areas, including Bticoin
Blockchain information, finance and social media sentiments. The feature
engineering not only requires much human effort, but the effectiveness of the
intuitively designed features can not be guaranteed. In this paper, we aim to
mining the abundant patterns encoded in bitcoin transactions, and propose
k-order transaction graph to reveal patterns under different scope. We propose
the transaction graph based feature to automatically encode the patterns. A
novel prediction method is proposed to accept the features and make price
prediction, which can take advantage from particular patterns from different
history period. The results of comparison experiments demonstrate that the
proposed method outperforms the most recent state-of-art methods.
- Abstract(参考訳): Bitcoinは最も人気のある暗号通貨の一つだが、最近投資家の注目を集めている。
bitcoinの価格予測タスクは、価値ある洞察と提案を提供するための学術的なトピックの増加をもたらしている。
既存のbitcoinの予測は主に、Bticoin Blockchainの情報、金融、ソーシャルメディアの感情など、さまざまな分野の機能や要素を手動で設計する、簡単な機能エンジニアリングに基づいている。
機能エンジニアリングは多くの人的努力を必要とするだけでなく、直感的に設計された機能の有効性を保証できない。
本稿では,bitcoinトランザクションに符号化された豊富なパターンをマイニングし,異なる範囲のパターンを明らかにするためにkオーダートランザクショングラフを提案する。
パターンを自動的にエンコードするトランザクショングラフベースの機能を提案する。
特徴を受け入れて価格予測を行う新しい予測手法を提案し, 異なる歴史時代の特定のパターンを生かした価格予測手法を提案する。
比較実験の結果,提案手法が最新の最先端手法よりも優れていることがわかった。
関連論文リスト
- A Data-driven Deep Learning Approach for Bitcoin Price Forecasting [10.120972108960425]
本稿では,bitcoinの閉口価格を日単位の時間枠で予測するために,浅い双方向LSTM(Bidirectional-LSTM)モデルを提案する。
本稿では,他の予測手法と比較し,提案手法の助けを借りて,浅層ニューラルネットワークが他の一般的な価格予測モデルより優れていることを示す。
論文 参考訳(メタデータ) (2023-10-27T10:35:47Z) - Blockchain Large Language Models [65.7726590159576]
本稿では,異常なブロックチェーントランザクションを検出するための動的,リアルタイムなアプローチを提案する。
提案するツールであるBlockGPTは、ブロックチェーンアクティビティのトレース表現を生成し、大規模な言語モデルをスクラッチからトレーニングして、リアルタイム侵入検出システムとして機能させる。
論文 参考訳(メタデータ) (2023-04-25T11:56:18Z) - Predicting Digital Asset Prices using Natural Language Processing: a
survey [2.806897141084325]
機械学習の台頭と自然言語処理は、特に、暗号通貨の価格変動を軽視し、予測している。
本稿では,ビットコインなどのデジタル資産の価格予測と動作解析に機械学習と自然言語処理を応用した最近の取り組みをレビューし,分析することを目的とする。
論文 参考訳(メタデータ) (2022-11-28T17:37:06Z) - Graph Regularized Nonnegative Latent Factor Analysis Model for Temporal
Link Prediction in Cryptocurrency Transaction Networks [1.6801544027052142]
ネットワークのリンク予測学習構造は,ネットワークのメカニズムを理解する上で有用である。
本稿では,1つの潜在因子依存型,非負性,乗算型,グラフ正規化型更新(SLF-NMGRU)アルゴリズムを提案する。
実際の暗号通貨取引ネットワークの実験により,提案手法は精度と計算効率の両方を向上することを示した。
論文 参考訳(メタデータ) (2022-08-03T08:58:59Z) - Pattern Analysis of Money Flow in the Bitcoin Blockchain [1.14219428942199]
本研究では, テントフローを抽出するために, テント解析に基づく手法を提案する。
テントフローの特徴付けにグラフ埋め込み法を適用した。
私たちの研究は、ソースアクターを分類する上で、マネーフローのトレースが有望なアプローチであることを証明しています。
論文 参考訳(メタデータ) (2022-07-15T07:15:16Z) - Token Spammers, Rug Pulls, and SniperBots: An Analysis of the Ecosystem
of Tokens in Ethereum and the Binance Smart Chain (BNB) [63.36515347329037]
トークンと流動性のプールのエコシステムを調査し、両方のブロックチェーン間の類似点と相違点を強調します。
トークンの寿命を見積もると、約60%のトークンが1日以内でアクティブであることが分かりました。
我々は、出口詐欺の詐欺を提示し、両方のブロックチェーン上でその頻度を定量化する。
論文 参考訳(メタデータ) (2022-06-16T14:20:19Z) - A Word is Worth A Thousand Dollars: Adversarial Attack on Tweets Fools
Stock Prediction [100.9772316028191]
本稿では,3つのストック予測犠牲者モデルを騙すために,様々な攻撃構成を試行する。
以上の結果から,提案手法が一貫した成功率を達成し,取引シミュレーションにおいて大きな損失をもたらす可能性が示唆された。
論文 参考訳(メタデータ) (2022-05-01T05:12:22Z) - Cross Cryptocurrency Relationship Mining for Bitcoin Price Prediction [2.6032596415721945]
我々はC2RMという汎用的なクロス暗号関係マイニングモジュールを提案する。
C2RMは、Bitcoinと関連するAltcoin間の同期的および非同期的影響を効果的に捉えることができる。
総合的な実験結果から,我々のC2RMは,既存の価格予測手法が大幅な性能向上を実現するのに有効であることが示された。
論文 参考訳(メタデータ) (2022-04-28T02:39:42Z) - Smart Contract Vulnerability Detection: From Pure Neural Network to
Interpretable Graph Feature and Expert Pattern Fusion [48.744359070088166]
従来のスマートコントラクトの脆弱性検出方法は、専門家の規則に大きく依存している。
最近のディープラーニングアプローチはこの問題を軽減するが、有用な専門家の知識をエンコードすることができない。
ソースコードから専門家パターンを抽出する自動ツールを開発する。
次に、深いグラフの特徴を抽出するために、コードをセマンティックグラフにキャストします。
論文 参考訳(メタデータ) (2021-06-17T07:12:13Z) - Quantum Multi-Solution Bernoulli Search with Applications to Bitcoin's
Post-Quantum Security [67.06003361150228]
作業の証明(英: proof of work、PoW)は、当事者が計算タスクの解決にいくらかの労力を費やしたことを他人に納得させることができる重要な暗号構造である。
本研究では、量子戦略に対してそのようなPoWの連鎖を見つけることの難しさについて検討する。
我々は、PoWs問題の連鎖が、マルチソリューションBernoulliサーチと呼ばれる問題に還元されることを証明し、量子クエリの複雑さを確立する。
論文 参考訳(メタデータ) (2020-12-30T18:03:56Z) - From Tether to Libra: Stablecoins, Digital Currency and the Future of
Money [62.997667081978825]
これは、Stablecoinのコンパクトな定義を提供し、以前に知られていた支払いシステムと区別するユニークな特徴を識別する。
安定したコインのさまざまなユースケースと、それを作るための経済的なインセンティブを調査している。
論文 参考訳(メタデータ) (2020-05-26T18:13:46Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。