So Deep Data
В данной статье мы рассмотрим процесс предсказания цены криптовалюты с использованием модели долгой краткосрочной памяти (LSTM). Мы будем использовать исторические данные по цене биткоина (BTC-USD) для обучения модели и последующего прогнозирования цены на следующий день.
Подготовка данных
Мы начнем с загрузки исторических данных по цене биткоина с использованием библиотек pandas, yfinance и pandas_ta.
Затем мы добавим несколько технических индикаторов, таких как RSI и скользящие средние, для улучшения прогнозов модели. Далее мы разделим данные на обучающий и тестовый наборы, а также масштабируем данные с помощью MinMaxScaler.
Обучение LSTM модели
Далее мы создадим и обучим LSTM модель с помощью библиотеки TensorFlow. Модель будет обучаться на исторических данных, чтобы предсказать цену закрытия биткоина. Мы используем функцию потерь mean squared error и оптимизатор Adam для обучения модели. Возьмем 10 нейронов. С этими значениями можно поиграться и выбрать более удачный вариант.
Оценка модели
После обучения модели мы оценим ее производительность на тестовом наборе данных. Мы построим график функции потерь и сравним предсказанную цену с фактической ценой закрытия.
predicted = model.predict(X_test)
plt.plot(y_scaler.inverse_transform(y_test), color='green')
plt.plot(y_scaler.inverse_transform(predicted), color='black')
Получилось достаточно неплохо и точно. Черный - предсказанная цена. Зеленый - настоящая.
Предсказание цены на следующий день
Наконец, мы создадим функцию predict_today(), которая загружает последние данные по цене биткоина, вычисляет технические индикаторы, масштабирует данные и использует обученную модель LSTM для предсказания цены закрытия на следующий день.
Этот процесс позволяет нам использовать LSTM модель для прогнозирования цены криптовалюты на основе исторических данных и технических индикаторов.
Заключение
В данной статье мы рассмотрели процесс предсказания цены криптовалюты с использованием LSTM модели. Этот метод позволяет анализировать исторические данные и делать прогнозы, основанные на предыдущих трендах и паттернах. LSTM модели являются мощным инструментом для прогнозирования цен активов и могут быть применены в различных финансовых задачах.
Благодарим за внимание! Надеемся, что данная статья была полезной и познавательной. Если у вас есть какие-либо вопросы или комментарии, не стесняйтесь делиться ими. Спасибо за чтение! 🚀📈
Много подбного в телеграм канале https://t.me/sodeepdata. Подписывайтесь, рады видеть каждого.
