比特币价格预测：ARIMA 方法

RSS最小化模型与MSEMiniming模型不匹配，RSS最小化模型过拟合数据。 为了结束讨论，我们在表 2 中进一步报告了 ARIMA 模型使用整个数据集训练但时间窗口用于测试数据集的前半部分的情况的性能评估结果。 我们可以看到，与前一种情况相比未来比特币价格预测，预测误差的水平非常低。 五、结论 在这封信中，我们使用 ARIMA 模型研究比特币价格预测。 为此，我们首先对数据进行预处理以使其平稳，然后搜索可行的 (p,q,d) 元组以找到最小化预测 MSE 的 ARIMA 模型。 我们的结果表明，由于比特币的价格易受高涨和低谷的影响，使用收盘价历史预测比特币价格可能会产生较大的 MSE 值。 另一方面，研究结果证实，ARIMA 模型仍可用于时间跨度子周期的价格预测未来比特币价格预测，即通过将时间跨度划分为数据集具有独特趋势的时间跨度。 此外，我们研究了测试时间窗口的位置及其长度对价格预测中已实现均方误差的影响。 具体来说，我们表明，通过将时间窗口从 2 增加到 9，预测误差的平均 MSE 可以从 118000 减少到 16000。参考文献 [1] 维基百科。 (2018) 世界亿万富翁。 [在线的]。 可用：[2] M.Amjad 和 D.Shah，“比特币交易和在线时间序列预测”，摘自 NIPS 2016 时间序列研讨会，2017 年，第 1-15 页。 [3] S.McNally、J.Roche 和 S.Caton，“使用机器学习预测比特币的价格”，IEEE 第 26 届欧洲微型计算机并行、分布式和基于网络的处理国际会议 (PDP)，2018 年，第 339–343 页。 [4] H. Jang 和 J.