基于 ARIMA 的比特币价格预测

众所周知，比特币是一种利用货币去中心化来管理中央银行的加密货币。这使得对等交易无需任何中间人即可实现。比特币是通过验证交易或通过加密货币交易所获得的奖励。截至 2018 年，约有 1,500 种加密资产在流通比特币预估走势，比特币是所有加密市场中交易最广泛的。目前有 1680 万比特币交易，上限为 2100 万。此外，2017 年比特币的价格在 2017 年 12 月飙升至 25,000 澳元，然后在 2018 年 4 月跌破 10,000 澳元以证明其高波动性。这为开发机器学习来预测未来的比特币价格并评估哪种方法产生最准确的结果提供了机会。在本实验中，我们获取了多个澳元交易所的比特币价格，分别为 BTC 和 LocalBTC，并提取了每日价格走势，并构建了两个机器学习模型 Long Short Term Memory (LSTM) 和 Autoregressive Integrated Moving Average (ARIMA)。然后使用该模型预测未来结果并比较哪种方法产生最佳输出。

在前人的基础上进行了大量研究，以开发机器学习模型来预测比特币价格比特币预估走势，包括线性回归模型、支持向量回归、时间序列模型和深度学习模型。每个模型都经过认真测试，以确定哪个模型表现最好。 S. Mehrmolaei 和 M. Keyvanpour (S. Mehrmolaei, 2016） 对纽约市出生和美国移民这两个时间序列数据集进行了实验，并评估了标准 ARIMA 与最佳自回归、差分和移动平均配置之间的性能。结果表明，标准 ARIMA 可以从低均方根误差 (RMSE) 和平均误差 (MAE) 中预测出可靠的结果，而改进的 ARIMA 模型产生的 RMSE 和 MAE 结果较低。实验证明了 ARIMA 对时间序列数据建模的适用性T. Guo 和 N. Antulov-Fantulin 进行了另一种实验方法，开发和测试多个回归模型，包括标准和转换的 ARIMA 时间序列模型，用于集合决策模型，例如随机森林和梯度提升。总体结果表明，整个树产生的误差水平最小。然而，ARIMA 依赖于线性假设e 数据，而比特币是高度非线性的。 S. McNally (S. McNally, 2018）, 主要关注点是 RNNs 和 LSTMs 进行了比较 ARIMA 模型的预测性能的实验，发现这些产生的结果最不准确。这凸显了需要使用更复杂的技术来预测比特币价格。实验将问题设计为一个分类任务，预测比特币价格连续变化的增加、减少或不增加的变化。总体结果表明，LSTM 提供了最好的性能，尽管准确度为 52.78%。S. Liu 等人进一步测试了 LSTM 对金融市场的影响（S. Liu, 2018），展示了如何配置正确的隐藏层结构可以返回更准确的结果。实验在更改 LSTM 模型时执行 Geourgoula 等人进行的实验。（I. Geourgoula，2015） 研究预测比特币价格行为的重要属性，同时还实现支持向量 mac hines (SVM) 用于情感分析。调查结果显示维基百科上的意见数量，比特币哈希率与比特币价格呈正相关。马塔等人。还研究了人们对比特币价格走势的影响，但是，结果表明相关性很弱。