Hrvatsko društvo ekonomista

Veljača 2024. ::: Vol.75 No. 01

Tea Šestanović

SVEOBUHVATAN PRISTUP PREDVIĐANJU BITCOINA POMOĆU NEURONSKIH MREŽA https://doi.org/10.32910/ep.75.1.3 Izvorni znanstveni članak Ovaj rad pruža sveobuhvatan pristup predviđanju cijena, prinosa, smjera i volatilnosti Bitcoina. Prediktivne sposobnosti ARIMA i GARCH modela se uspoređuju s autoregresijskom i Jordanovom neuronskom mrežom (NM), koristeći unutarnje i vanjske čimbenike. Robusnost rezultata verificira se u uvjetima pada, rasta i stabilnosti tržišta. Rezultati nisu jednoznačni s obzirom na predviđanje cijena, prinosa ili volatilnosti, te kada se uspoređuju pomoću različitih mjera performansi ili kroz različita razdoblja. NM općenito su optimalne za predviđanje prinosa i smjera, ARIMAX i NNARX za predviđanje cijena, dok za predviđanje volatilnosti svi modeli daju usporedive rezultate. Predviđanje cijena donosi najbolju točnost predviđanja, dok JNNX imaju najlošije rezultate. Međutim, uključivanje drugih metoda strojnog učenja i/ili različitih varijabli, kao i nedavne krize proizašle iz ratnih okolnosti mogu se smatrati ograničavajućim čimbenicima. ARIMA; Bitcon; COVID-19; GARCH; Jordanova neuronska mreža; autoregresijska neuronska mreža Puni tekst: engleski, pdf (515 KB)

SVEOBUHVATAN PRISTUP PREDVIĐANJU BITCOINA POMOĆU NEURONSKIH MREŽA

https://doi.org/10.32910/ep.75.1.3

Izvorni znanstveni članak

Ovaj rad pruža sveobuhvatan pristup predviđanju cijena, prinosa, smjera i volatilnosti Bitcoina. Prediktivne sposobnosti ARIMA i GARCH modela se uspoređuju s autoregresijskom i Jordanovom neuronskom mrežom (NM), koristeći unutarnje i vanjske čimbenike. Robusnost rezultata verificira se u uvjetima pada, rasta i stabilnosti tržišta. Rezultati nisu jednoznačni s obzirom na predviđanje cijena, prinosa ili volatilnosti, te kada se uspoređuju pomoću različitih mjera performansi ili kroz različita razdoblja. NM općenito su optimalne za predviđanje prinosa i smjera, ARIMAX i NNARX za predviđanje cijena, dok za predviđanje volatilnosti svi modeli daju usporedive rezultate. Predviđanje cijena donosi najbolju točnost predviđanja, dok JNNX imaju najlošije rezultate. Međutim, uključivanje drugih metoda strojnog učenja i/ili različitih varijabli, kao i nedavne krize proizašle iz ratnih okolnosti mogu se smatrati ograničavajućim čimbenicima.

ARIMA; Bitcon; COVID-19; GARCH; Jordanova neuronska mreža; autoregresijska neuronska mreža

Puni tekst: engleski, pdf (515 KB)