Нейромережевий прогноз Bitcoin: адаптація до волатильності

Abstract

Стаття присвячена створенню мультимодальної системи прогнозування Bitcoin, яка об’єднує традицiйнi ринковi показники з аналiзом новин через нейромережi LSTM та GRU. Завдяки використанню GDELT та моделi FinBERT авторам вдалося видiлити вплив геополiтики й фiнансiв на крипторинок, що пiдняло точнiсть прогнозiв на 15-хвилинних iнтервалах з 53,2% до вражаючих 77,8%. Головна особливiсть пiдходу — механiзм щотижневого адаптивного донавчання, який рятує модель вiд застарiвання, та виявлення 30-хвилинної затримки, з якою макроекономiчнi новини реально вiдображаються на цiнi. Наукова новизна зосереджена на алгоритмi автоматичного коригування ваг мережi, що дозволяє системi самостiйно пiдтримувати актуальнiсть в умовах хаотичного ринку.