Forecasting the bitcoin rate using an artificial neural network

Abstract

Cel – Celem artykułu jest prezentacja koncepcji systemu informatycznego umożliwiającego prognozowanie kursu kryptowaluty bitcoin (BTC) w odniesieniu do waluty euro. Metodologia badania – Na potrzeby realizacji tak sformułowanego celu opracowano model sztucznej sieci neuronowej – perceptronu wielowarstwowego. W ramach badań dobrano zmienne wejściowe, od których uzależniono kurs BTC. Pozyskano także odpowiednie dane, pochodzące z dziennych notowań kursów wybranych walut i metali. Dane poddano stosownej obróbce matematycznej w celu ich dostosowania do wykorzystania podczas uczenia, walidacji i testowania sztucznej sieci neuronowej. Oryginalność/wartość – Oryginalny był dobór wektora zmiennych wejściowych, umożliwiających prognozowanie kursu BTC. Wyniki przeprowadzonych eksperymentów potwierdziły wysoką skuteczność prognozowania w perspektywie jedno- i dwudniowej. Wysokie wartości współczynnika regresji (R) i mały błąd średniokwadratowy (MSE) świadczą o tym, że opracowany system predykcyjny prawidłowo przewiduje kursy analizowanej kryptowaluty nie tylko w odniesieniu do danych historycznych, lecz także dla wartości bieżących i przyszłych.