Predykcja cen kryptowalut
April 14, 2021
Predykcja cen wybranych kryptowalut z wykorzystaniem modelu ARIMA.
Kryptowaluty, które zostały przeanalizowane:
- Bitcoin,
- Więcej zostanie dodanych wkrótce.
Project Overview
ARIMA (Automatyczna regresywna zintegrowana średnia krocząca) to połączenie 2 modeli: AR (Autoregresja) oraz MA (Średnia krocząca). Posiada 3 hiperparametry:
- p (opóźnienia autoregresyjne)
- d (kolejność różnicowania)
- q (średnia krocząca)
które pochodzą odpowiednio z elementów AR, I i MA. Część AR to korelacja między poprzednimi i obecnymi okresami czasu. Aby wygładzić szum, używana jest część MA. Część I łączy ze sobą części AR i MA.
Jeśli chcemy znaleźć wartości P i Q dla modelu ARIMA, musimy wykonać wykresy ACF (Funkcja autokorelacji) i PACF (Funkcja częściowej autokorelacji). Następnie należy sprawdzić, dla jakiej wartości na osi x linia wykresu przecina 0 na osi y po raz pierwszy.
- Z PACF (dla y = 0) weź P.
- Z ACF (dla y = 0) weź Q.
Test ADF (Augmented Dickey – Fuller) sprawdza hipotezę zerową, zgodnie z którą pierwiastek jednostkowy występuje w próbce szeregu czasowego. Hipoteza alternatywna jest różna w zależności od używanej wersji testu, ale zwykle jest to stacjonarność lub stacjonarność trendu. Jest to rozszerzona wersja testu Dickeya-Fullera dla większego i bardziej skomplikowanego zestawu modeli szeregów czasowych. Zwiększona statystyka Dickeya Fullera, użyta w teście, jest liczbą ujemną. Im bardziej jest to negatywne, tym silniejsze jest odrzucenie hipotezy, że istnieje pierwiastek jednostkowy na pewnym poziomie ufności.
Wartość p (gdzie 0 ≤ p ≤ 1) powinna być jak najmniejsza. Wartości krytyczne w różnych przedziałach ufności powinny być zbliżone do wartości statystyki testu.