Продюсер: Бинцин (Клэр) Ли , Фан Хун, Керуи Чен, Тинъи Хун, Юэцзя Фэн Прогнозирование цены акций было популярной темой как в финансовой, так и в академической сфере, и все больше людей пытаются глубже разобраться в этой проблеме. Существуют разные подходы к этой проблеме. В прошлом проводились фундаментальный анализ, технический анализ и количественный анализ, но построение прогностической модели с использованием знаний машинного обучения становится все более и более популярным. В..

Создание точных моделей прогнозирования цен для криптовалют, таких как Ethereum, может быть сложной задачей из-за сложной природы данных временных рядов. Традиционные подходы к машинному обучению часто с трудом улавливают сложные временные зависимости, сезонность и тенденции, присущие таким данным. Однако модели с долговременной кратковременной памятью (LSTM), тип рекуррентной нейронной сети (RNN), предлагают многообещающее решение. Модели LSTM приобрели значительную популярность в..

Я всегда задаюсь вопросом, возможно ли построить модель, в которой я мог бы ввести несколько функций, связанных с биткойнами, которые могли бы предсказать цену биткойна? В этой статье обсуждается интуиция, стоящая за сетевой моделью LSTM, и функции/данные, которые я ввел в модель LSTM, поэтому здесь не показан код. Вместо этого мы испачкаем руки во Части 2 . Понимание LSTM Этот раздел адаптирован из блога , который, я думаю, очень хорошо объяснил LSTM, я просто подытожу, что такое..