VEDECKÝ ČASOPIS     -     SCIENTIFIC JOURNAL                           ISSN 1336 - 5711                        

---------------------------------------------------------------------------------------------------------------------------------------------------------------                                                                           

2 / 2020   

 

Zmeny v metodike určovania výslednej miery proticyklického kapitálového vankúša a príčiny týchto zmien

Hlavné trendy vývoja v sektore nebankových finančných inštitúcií

Legislatívne zmeny na dani z príjmov fyzických osôb  v SR 

Prevencia vzniku ekonomických podvodov

Machine learning and Bitcoin price prediction

Teoretické prístupy ku kapitálovej štruktúre podnikateľských subjektov

Rámec a opatrenia týkajúce sa štatistiky obyvateľstva a zamestnanosti v systéme národných účtov ESA 2010

Vplyv vysokej miery konkurencie na kumuláciu rizík v sektore bankovníctva s možným dopadom na reálnu ekonomiku

Finančné inštitúcie v historickom vývoji a ich postavenie vo vybranom období - 2.časť

K problematike online poistenia v komerčných poisťovniach na komerčnom poistnom trhu v SR

Analytický pohľad na ekonomické aspekty pandémie COVID - 19 v SR

Finančné transakcie systému národných účtov ESA 2010 - 4.časť

Junckerov plán oživenia investičnej činnosti v EU z roku 2014 : reálne výsledky a problémy

Spätný pohľad na genézu a príčiny vzniku svetovej finančnej krízy a jej prejavy na Slovensku

Informácie pre čitateľov a autorov, vzor príspevku

 

 

 

 

      Archív

         Vyhľadávanie

      Hlavná stránka

     

Machine Learning and Bitcoin price prediction

Milan CIBUĽA

 

 

Abstract

Huge amounts of available data and rapid growth in computation power have changed the world where we live and conduct our business in a way that was just a few years ago unimaginable. The financial industry is trying to adapt to a new, fast-changing financial world by using innovative technologies to create new or upgrade existing business models to create financial innovative companies – FinTech. In this work, we are focused on these two sides of FinTech, where one side is represented by machine learning as innovative technology and the other side by Bitcoin as a representative of a new innovative business model – cryptocurrency. The main aim of this work is to find out if the past performance could be used as an indicator of future behavior. The proposed approach is implemented in Python by creating a single-point LSTM model that represents a machine learning algorithm that will be predicting bitcoin prices based only on historical daily closing prices.

JEL code: C22, C53, G15,

Keywords: machine learning, LSTM, time series, bitcoin, FinTech

 

Celý článok.

 

 

 Copyright 2004 - Derivat s.r.o. Webdesign - KdeJe Software