.png){kind=icon}
返回
LSTM-conformal forecasting-based bitcoin forecasting method for enhancing reliability
.png){kind=icon}
OA
AI
DOI：10.1371/journal.pone.0319008.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
加密货币是随着金融技术进步而出现的一种新型资产，为研究创造了重大机遇。比特币是最有价值的加密货币，具有显著的研究价值。然而，由于近年来比特币价值的剧烈波动，预测其价值并确保这些预测的可靠性已成为至关重要的问题，并日益受到重视。本文提出了一种结合长短期记忆网络（LSTM）与一致预测的方法。首先，利用Spearman相关系数方法对数据集中的高维特征进行划分，排除相关系数低于0.75和高于0.95的特征。随后，构建LSTM模型，将数据输入其中并用于训练模型以生成预测。最后，将LSTM生成的预测值输入一致预测模型，生成这些值的置信区间以验证其可靠性。在一致预测模型中，定义了损失函数的分位数损失，并设计了平均覆盖区间（ACI）预测器以提高结果精度。实验采用来自CoinGecko的公开可用数据进行。结果表明，LSTM-一致预测（LSTM-CP）组合提高了可靠性。
期刊
IF:
2.6
论文数:
2.6W
被引数:
81.6W
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容