$BTC это исследование представляет собой структурированный количественный подход к прогнозированию колебаний цен на BTC с использованием технических индикаторов и модели машинного обучения с учителем. цель состоит в том, чтобы оценить, насколько эффективно индикаторы тренда в краткосрочной и среднесрочной перспективе могут объяснять и предсказывать поведение цен на закрытие.
Методология
модель использует два ключевых индикатора следования тренду в качестве предсказательных признаков:
MA(7) – 7-дневная скользящая средняя для захвата краткосрочной динамики
MA(30) – 30-дневная скользящая средняя для представления направления среднесрочного тренда
датасет был разделен на 80% обучающих и 20% тестовых данных без перемешивания, чтобы сохранить целостность структуры временного ряда. затем была обучена модель линейной регрессии для предсказания цены закрытия на основе этих скользящих средних.
Эффективность модели
средняя абсолютная ошибка (MAE): ~2,940 USD
модель успешно отслеживает общее направление тренда, указывая на то, что скользящие средние содержат значимую предсказательную информацию. однако отклонения между фактическими и предсказанными значениями подчеркивают ограничения в захвате высокой волатильности и быстрых колебаний рынка.
предполагаемая следующая цена закрытия составляет примерно $70,828, основываясь на последних значениях MA(7) и MA(30).
Интерпретация рынка
когда MA(7) остается ниже MA(30), краткосрочная динамика слабее относительно среднесрочного тренда.
модель регрессии демонстрирует, что колебания цен на BTC показывают линейную зависимость от сглаженных индикаторов тренда в определенной степени.
однако криптовалютные рынки по своей природе нелинейны и подвержены волатильности, что означает, что линейные модели могут показывать худшие результаты во время резких расширений или коррекций.
Потенциальные улучшения модели
для повышения предсказательной надежности будущие итерации могут включать:
индикаторы, основанные на объеме
осцилляторы, такие как RSI или MACD
отставленные признаки (предыдущие значения закрытия)
нелинейные модели, такие как случайные леса, градиентный бустинг или нейронные сети LSTM
Только в образовательных и исследовательских целях. не является финансовым советом.
#StrategyBTCPurchase #PredictionMarketsCFTCBacking
Методология
модель использует два ключевых индикатора следования тренду в качестве предсказательных признаков:
MA(7) – 7-дневная скользящая средняя для захвата краткосрочной динамики
MA(30) – 30-дневная скользящая средняя для представления направления среднесрочного тренда
датасет был разделен на 80% обучающих и 20% тестовых данных без перемешивания, чтобы сохранить целостность структуры временного ряда. затем была обучена модель линейной регрессии для предсказания цены закрытия на основе этих скользящих средних.
Эффективность модели
средняя абсолютная ошибка (MAE): ~2,940 USD
модель успешно отслеживает общее направление тренда, указывая на то, что скользящие средние содержат значимую предсказательную информацию. однако отклонения между фактическими и предсказанными значениями подчеркивают ограничения в захвате высокой волатильности и быстрых колебаний рынка.
предполагаемая следующая цена закрытия составляет примерно $70,828, основываясь на последних значениях MA(7) и MA(30).
Интерпретация рынка
когда MA(7) остается ниже MA(30), краткосрочная динамика слабее относительно среднесрочного тренда.
модель регрессии демонстрирует, что колебания цен на BTC показывают линейную зависимость от сглаженных индикаторов тренда в определенной степени.
однако криптовалютные рынки по своей природе нелинейны и подвержены волатильности, что означает, что линейные модели могут показывать худшие результаты во время резких расширений или коррекций.
Потенциальные улучшения модели
для повышения предсказательной надежности будущие итерации могут включать:
индикаторы, основанные на объеме
осцилляторы, такие как RSI или MACD
отставленные признаки (предыдущие значения закрытия)
нелинейные модели, такие как случайные леса, градиентный бустинг или нейронные сети LSTM
Только в образовательных и исследовательских целях. не является финансовым советом.
#StrategyBTCPurchase #PredictionMarketsCFTCBacking
