发表服务
重点对近30日的数据进行比对,同时利用前置1日的方法,并且对真实回报、预测回报进行比对,进而发现LSTM模型对于比特币时间序列预测的不足。实证分析说明,LSTM对判断比特币市场的趋势是具备一定价值的,但由于影响比特币的因素非常多而复杂,仅仅依赖时间序列是远远无法达到较好目标的。
家不被欺诈，用来保护买家的程序化合约机制也应该较容易实现。在这篇论文中，我们提出一种使用点对点分布式时间戳服务器为基于时间的交易序列生成计算上的证据来解决双重支付问题的方案。只要诚实节点集体控制的CPU算力大于每一个合作攻击节点群的
数据挖掘实战之时间序列分析（比特币趋势预测）.hahaha66888的博客.03-28.1619.本文在只考虑比特币以往的历史数据，不考虑其他外界相关的因素的前提下，通过构造ARMA时间序列模型，预测比特币平均价格的走势。.比特币历史数据源（从2012-01-01到2018-10...
时间序列动量效应这一概念由TobiasJ.Moskowitz、YaoHuaOoi和LasseHejePedersen撰写的JournalofFinancialEconomics2012年第5期论文“Timeseriesmomentum”提出，其发现，包括股指期货、外汇远期、商品期货、债券期货在内的58种金融资产的价格
比特币是当前流行的加密货币，前景光明。这就像一个具有时间序列的股票市场，这些时间序列是一系列索引数据点。我们研究了不同的深度学习网络和提高准确性的方法，包括最小-最大归一化，Adam优化器和窗口最小-最大归一化。我们收集了有关每分钟比特币价格的数据，并对它们进行了重新…
序列中的每一个数字都是由前面的两个数字引起的。在这个意义上，它是一个因...挖掘一个新的比特币区块的难度会被调整，以确保比特币的时间...
使用时间序列和情感分析来检测比特币价格的决定因素-研究论文,本文使用时间序列分析来研究比特币价格与基本经济变量，技术因素以及从Twitter提要获得的集体情绪的度量之间的关系。通过使用最新的机器学习算法，即支持向量机（SVM），每天进行情感分析。
尽管比特币定价的季节性因素很强，但在异常波动期间，Prophet的交易指标表现很差。.2019年晚些时候，这些模型表现相对较好，但实际值并没有可靠地保持在不确定区间内。.当与其它技术指标结合使用时，Prophet可能会很有用，而且它对于更可预测的时间序列...
本文采用了经济学计量方法中的时间序列分析法来对比特币交易市场效率的有效性进行单位根检验，结果表明比特币交易市场为弱式有效市场。与大多数研究比特币的特性、道德和监管的文献不同，本文利用数据实证检验让结论更具有说服力，对中国的比特币交易市场效率具有现实意义。
我们整理了一些在2019年较好的量化、交易、策略论文供大家学习。3、基于机器学习的收益率曲线特征提取：在非流动性公司债券中的应用5、隐含波动率与已实现波动率:分布与差异分布的研究…
重点对近30日的数据进行比对,同时利用前置1日的方法,并且对真实回报、预测回报进行比对,进而发现LSTM模型对于比特币时间序列预测的不足。实证分析说明,LSTM对判断比特币市场的趋势是具备一定价值的,但由于影响比特币的因素非常多而复杂,仅仅依赖时间序列是远远无法达到较好目标的。
家不被欺诈，用来保护买家的程序化合约机制也应该较容易实现。在这篇论文中，我们提出一种使用点对点分布式时间戳服务器为基于时间的交易序列生成计算上的证据来解决双重支付问题的方案。只要诚实节点集体控制的CPU算力大于每一个合作攻击节点群的
数据挖掘实战之时间序列分析（比特币趋势预测）.hahaha66888的博客.03-28.1619.本文在只考虑比特币以往的历史数据，不考虑其他外界相关的因素的前提下，通过构造ARMA时间序列模型，预测比特币平均价格的走势。.比特币历史数据源（从2012-01-01到2018-10...
时间序列动量效应这一概念由TobiasJ.Moskowitz、YaoHuaOoi和LasseHejePedersen撰写的JournalofFinancialEconomics2012年第5期论文“Timeseriesmomentum”提出，其发现，包括股指期货、外汇远期、商品期货、债券期货在内的58种金融资产的价格
比特币是当前流行的加密货币，前景光明。这就像一个具有时间序列的股票市场，这些时间序列是一系列索引数据点。我们研究了不同的深度学习网络和提高准确性的方法，包括最小-最大归一化，Adam优化器和窗口最小-最大归一化。我们收集了有关每分钟比特币价格的数据，并对它们进行了重新…
序列中的每一个数字都是由前面的两个数字引起的。在这个意义上，它是一个因...挖掘一个新的比特币区块的难度会被调整，以确保比特币的时间...
使用时间序列和情感分析来检测比特币价格的决定因素-研究论文,本文使用时间序列分析来研究比特币价格与基本经济变量，技术因素以及从Twitter提要获得的集体情绪的度量之间的关系。通过使用最新的机器学习算法，即支持向量机（SVM），每天进行情感分析。
尽管比特币定价的季节性因素很强，但在异常波动期间，Prophet的交易指标表现很差。.2019年晚些时候，这些模型表现相对较好，但实际值并没有可靠地保持在不确定区间内。.当与其它技术指标结合使用时，Prophet可能会很有用，而且它对于更可预测的时间序列...
本文采用了经济学计量方法中的时间序列分析法来对比特币交易市场效率的有效性进行单位根检验，结果表明比特币交易市场为弱式有效市场。与大多数研究比特币的特性、道德和监管的文献不同，本文利用数据实证检验让结论更具有说服力，对中国的比特币交易市场效率具有现实意义。
我们整理了一些在2019年较好的量化、交易、策略论文供大家学习。3、基于机器学习的收益率曲线特征提取：在非流动性公司债券中的应用5、隐含波动率与已实现波动率:分布与差异分布的研究…
发表服务