.png){kind=icon}
返回
Accurate, Secure and Explainable bitcoin forecasting
.png){kind=icon}
OA
AI
DOI：10.1016/j.physa.2025.130974.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
预测比特币资产的价格是一项艰巨的任务，尤其是由于比特币具有高度波动性和投机性。本文利用深度学习和机器学习模型的非线性能力来增强比特币的预测。我们提出了一种基于准确性、安全性和可解释性特征的系统化比较不同深度学习和机器学习模型的方法。实证结果表明，虽然CNN–GRU、GRU和LSTM是最准确的模型，但对于最大累积回报和风险调整后表现，GRU和CNN更受青睐。而对于透明和稳定的决策制定，随机森林（Random Forest）和XGboost是较好的选择，至于鲁棒性，CNN和LSTM则是最佳选择。最终，模型的选择取决于分析的目标。
Keyword:
Crypto assets
Security, Accuracy, Explainability
Machine learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
P
IF:
3.1
论文数:
1.3K
被引数:
3.6W
机构
暂无机构信息
引用论文
Naufal, G. R. and Wibowo, A. (2023). Time series forecasting based on deep learning cnn-lstm-gru model on stock prices. International Journal of Engineering Trends and Technology, 71(6):126–133.Naufal, G. R. 和 Wibowo, A. (2023)。基于深度学习CNN-LSTM-GRU模型的股票价格时间序列预测。国际工程趋势与技术杂志，71(6):126–133。.png)
IF0
PREAI
分享收藏分享收藏Pratas, T. E., Ramos, F. R., and Rubio, L. (2023). Forecasting bitcoin volatility: Exploring the potential of deep learning. Eurasian Economic Review, 13(2):285–305.Pratas, T. E., Ramos, F. R., and Rubio, L. (2023). 预测比特币波动率：探索深度学习的潜力。Eurasian Economic Review, 13(2):285–305.
IF0
PREAI
分享收藏PERFORMANCE EVALUATION OF DEEP NEURAL NETWORKS APPLIED TO SPEECH RECOGNITION: RNN, LSTM AND GRU深度神经网络应用于语音识别的性能评估: RNN，LSTM和GRU
OAAI
OAAI分享收藏 没有更多内容
没有更多内容