論文の概要: Bitcoin Price Predictive Modeling Using Expert Correction

• arxiv url: http://arxiv.org/abs/2201.02729v1
• Date: Thu, 6 Jan 2022 15:11:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-13 01:02:44.624367
• Title: Bitcoin Price Predictive Modeling Using Expert Correction
• Title（参考訳）: エキスパート補正を用いたbitcoin価格予測モデリング
• Authors: Bohdan M. Pavlyshenko
• Abstract要約: この論文は、Bitcoin通貨統計、マイニングプロセス、Google検索トレンド、ウィキペディアページ訪問に基づくレグレッション機能を含む、Bitcoin価格の線形モデルについて研究している。 ベイジアンアプローチは、太い尾を持つ分布を用いて確率的アプローチを活用でき、Bitcoin価格時系列の外れ値を考慮することができることが示されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The paper studies the linear model for Bitcoin price which includes regression features based on Bitcoin currency statistics, mining processes, Google search trends, Wikipedia pages visits. The pattern of deviation of regression model prediction from real prices is simpler comparing to price time series. It is assumed that this pattern can be predicted by an experienced expert. In such a way, using the combination of the regression model and expert correction, one can receive better results than with either regression model or expert opinion only. It is shown that Bayesian approach makes it possible to utilize the probabilistic approach using distributions with fat tails and take into account the outliers in Bitcoin price time series.
• Abstract（参考訳）: この論文は、Bitcoin通貨統計、マイニングプロセス、Google検索トレンド、Wikipediaページ訪問に基づくレグレッション機能を含む、Bitcoin価格の線形モデルを研究する。 実価格からの回帰モデル予測のずれのパターンは、価格時系列と比較するとより単純である。 このパターンは経験豊富な専門家によって予測できると考えられる。 このような方法で、回帰モデルと専門家の補正を組み合わせることで、回帰モデルや専門家の意見よりも優れた結果を得ることができるのです。 ベイジアンアプローチは、太い尾を持つ分布を用いて確率的アプローチを利用でき、Bitcoin価格時系列の外れ値を考慮することができることが示されている。

関連論文リスト

• Rejection via Learning Density Ratios [50.91522897152437]
  拒絶による分類は、モデルを予測しないことを許容する学習パラダイムとして現れます。 そこで我々は,事前学習したモデルの性能を最大化する理想的なデータ分布を求める。 私たちのフレームワークは、クリーンでノイズの多いデータセットで実証的にテストされます。
  論文  参考訳（メタデータ） (2024-05-29T01:32:17Z)
• A Study on Stock Forecasting Using Deep Learning and Statistical Models [3.437407981636465]
  本稿では、株価予測のための多くのディープラーニングアルゴリズムを概説し、トレーニングとテストにs&p500インデックスデータを用いた。 自動回帰積分移動平均モデル、リカレントニューラルネットワークモデル、長い短期モデル、畳み込みニューラルネットワークモデル、完全な畳み込みニューラルネットワークモデルなど、さまざまなモデルについて議論する。
  論文  参考訳（メタデータ） (2024-02-08T16:45:01Z)
• Hawkes-based cryptocurrency forecasting via Limit Order Book data [1.6236898718152877]
  本稿では,ホークスモデルに根ざしたリミットオーダーブック(LOB)データを用いた新しい予測アルゴリズムを提案する。 我々の手法は、将来の金融相互作用の予測を活用することで、返却サインの正確な予測を提供する。 提案手法の有効性は,50シナリオにわたるモンテカルロシミュレーションを用いて検証した。
  論文  参考訳（メタデータ） (2023-12-21T16:31:07Z)
• BIRP: Bitcoin Information Retrieval Prediction Model Based on Multimodal Pattern Matching [2.2945578854972446]
  CC情報から類似したPCの動きをランク付けする手法を提案する。 追加機能としてこれを活用することで,モデルの方向性予測能力が向上することを示す。 非常に不安定な価格のため、私たちのランク付けと方向性予測の方法論をBitcoinに適用する。
  論文  参考訳（メタデータ） (2023-08-14T07:04:23Z)
• Variational Prediction [95.00085314353436]
  本稿では,変動境界を用いた後部予測分布に対する変動近似の学習手法を提案する。 このアプローチは、テスト時間の限界化コストを伴わずに、優れた予測分布を提供することができる。
  論文  参考訳（メタデータ） (2023-07-14T18:19:31Z)
• CARD: Classification and Regression Diffusion Models [51.0421331214229]
  本稿では,条件生成モデルと事前学習条件平均推定器を組み合わせた分類と回帰拡散(CARD)モデルを提案する。 おもちゃの例と実世界のデータセットを用いて条件分布予測におけるCARDの卓越した能力を示す。
  論文  参考訳（メタデータ） (2022-06-15T03:30:38Z)
• Multivariate Probabilistic Forecasting of Intraday Electricity Prices using Normalizing Flows [62.997667081978825]
  ドイツでは、日内電気価格は通常、EPEXスポット市場の1日当たりの価格に異なる時間帯で変動する。 本研究は,日頭契約の日内価格差をモデル化する確率論的モデリング手法を提案する。
  論文  参考訳（メタデータ） (2022-05-27T08:38:20Z)
• $p$-Generalized Probit Regression and Scalable Maximum Likelihood Estimation via Sketching and Coresets [74.37849422071206]
  本稿では, 2次応答に対する一般化線形モデルである,$p$一般化プロビット回帰モデルについて検討する。 p$の一般化されたプロビット回帰に対する最大可能性推定器は、大容量データ上で$(1+varepsilon)$の係数まで効率的に近似できることを示す。
  論文  参考訳（メタデータ） (2022-03-25T10:54:41Z)
• Time Series Analysis of Blockchain-Based Cryptocurrency Price Changes [0.0]
  リスクの高い暗号通貨の歴史的記録にAIを適用して、価格を推測する予測モデルをトレーニングする。 このモデルは、LSTM、ドロップアウト、密度の高い3つのレイヤを使用してトレーニングされ、50エポックのトレーニングで損失を最小化する。 最後に、ノートブックは、実際の通貨価格と予測された価格のライングラフを赤でプロットする。
  論文  参考訳（メタデータ） (2022-02-19T04:28:07Z)
• Datamodels: Predicting Predictions from Training Data [86.66720175866415]
  本稿では,モデルクラスの振る舞いを学習データの観点から分析するための概念的枠組みであるデータモデリングについて述べる。 単純な線形データモデルであっても、モデル出力をうまく予測できることが示される。
  論文  参考訳（メタデータ） (2022-02-01T18:15:24Z)
• Forecasting Bitcoin closing price series using linear regression and neural networks models [4.17510581764131]
  データ価格と前日のボリュームを用いて、Bitcoinの日次閉鎖価格の予測方法について検討する。 統計的手法と機械学習アルゴリズムの両方を実装した。
  論文  参考訳（メタデータ） (2020-01-04T21:04:05Z)

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。