論文の概要: Improved Bitcoin Price Prediction based on COVID-19 data
- arxiv url: http://arxiv.org/abs/2301.10840v1
- Date: Wed, 25 Jan 2023 21:37:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-27 14:55:19.983063
- Title: Improved Bitcoin Price Prediction based on COVID-19 data
- Title(参考訳): 新型コロナウイルスデータに基づくBitcoin価格予測の改善
- Authors: Palina Niamkova, Rafael Moreira (University of North Texas)
- Abstract要約: 社会的混乱は人々の金銭的決定に影響を与え、支出や貯蓄の変化を引き起こす。
ここでは、さまざまな管轄区域に対するCOVID-19の影響が、Bitcoinの世界的な価格にどのように影響するかを検討する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Social turbulence can affect people financial decisions, causing changes in
spending and saving. During a global turbulence as significant as the COVID-19
pandemic, such changes are inevitable. Here we examine how the effects of
COVID-19 on various jurisdictions influenced the global price of Bitcoin. We
hypothesize that lock downs and expectations of economic recession erode people
trust in fiat (government-issued) currencies, thus elevating cryptocurrencies.
Hence, we expect to identify a causal relation between the turbulence caused by
the pandemic, demand for Bitcoin, and ultimately its price. To test the
hypothesis, we merged datasets of Bitcoin prices and COVID-19 cases and deaths.
We also engineered extra features and applied statistical and machine learning
(ML) models. We applied a Random Forest model (RF) to identify and rank the
feature importance, and ran a Long Short-Term Memory (LSTM) model on Bitcoin
prices data set twice: with and without accounting for COVID-19 related
features. We find that adding COVID-19 data into the LSTM model improved
prediction of Bitcoin prices.
- Abstract(参考訳): 社会的混乱は人々の財政的決定に影響を与え、支出と貯蓄の変化を引き起こす。
新型コロナウイルス(covid-19)パンデミックのような世界的な混乱の中で、このような変化は避けられない。
ここでは、covid-19が様々な管轄区域に与える影響が、bitcoinのグローバル価格にどのように影響したかを検証する。
我々は、ロックダウンと景気後退の期待が、フィアット通貨(政府発行通貨)への信頼を損なうと仮定し、暗号通貨を上昇させる。
したがって、パンデミックによる混乱、bitcoinの需要、そして最終的にその価格の間の因果関係を見極めることを期待する。
この仮説をテストするために、私たちはbitcoinの価格とcovid-19のケースと死のデータセットをマージしました。
また、追加機能を設計し、統計および機械学習(ML)モデルを適用しました。
我々は、機能の重要性を特定しランク付けするためにランダムフォレストモデル(rf)を適用し、2回セットされたbitcoin価格データに対して長期短期記憶モデル(lstm)を実行した。
lstmモデルにcovid-19データを追加することで、bitcoin価格の予測が改善されたことが分かりました。
関連論文リスト
- Quantifying the Sensitivity of Inverse Reinforcement Learning to
Misspecification [72.08225446179783]
逆強化学習は、エージェントの行動からエージェントの好みを推測することを目的としている。
これを行うには、$pi$が$R$とどのように関係しているかの振る舞いモデルが必要です。
我々は、IRL問題が行動モデルの不特定性にどれほど敏感であるかを分析する。
論文 参考訳(メタデータ) (2024-03-11T16:09:39Z) - Interplay between Cryptocurrency Transactions and Online Financial
Forums [41.94295877935867]
本研究は、これらの暗号掲示板間の相互作用と暗号値の変動に関する研究に焦点をあてる。
これは、Bitcointalkフォーラムの活動がBTCの値のトレンドと直接的な関係を保っていることを示している。
この実験は、フォーラムデータが金融分野における特定の出来事を説明することを強調している。
論文 参考訳(メタデータ) (2023-11-27T16:25:28Z) - Forecasting Bitcoin volatility spikes from whale transactions and
CryptoQuant data using Synthesizer Transformer models [5.88864611435337]
ボラティリティ予測のためのディープラーニング合成器変換器モデルを提案する。
以上の結果から,既存の最先端モデルよりも優れたモデルであることが示唆された。
提案手法はビットコイン市場における極端なボラティリティ(変動性)の動きを予測するための有用なツールであることを示す。
論文 参考訳(メタデータ) (2022-10-06T05:44:29Z) - 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) - PreBit -- A multimodal model with Twitter FinBERT embeddings for extreme
price movement prediction of Bitcoin [8.38397409405955]
我々はビットコインの極端な価格変動を予測するためのマルチモーダルモデルを提案する。
このモデルは、さまざまな関連資産、技術的指標、およびTwitterコンテンツとして入力される。
平均的戦略を移動させるリスクを減らし、黒字取引戦略を構築するのに使用できることを示す。
論文 参考訳(メタデータ) (2022-05-30T19:25:12Z) - 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) - Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。
ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。
2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
論文 参考訳(メタデータ) (2021-09-14T18:50:38Z) - Real-Time Prediction of BITCOIN Price using Machine Learning Techniques
and Public Sentiment Analysis [0.0]
本研究の目的は、機械学習技術と感情分析により、USDにおけるBitcoinの予測可能な価格方向を決定することである。
TwitterとRedditは、大衆の感情を研究する研究者から大きな注目を集めている。
我々は、感情分析と機械学習の原則をTwitterやRedditの投稿から抽出したツイートに適用した。
論文 参考訳(メタデータ) (2020-06-18T15:40:11Z) - 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) - 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。