This research is concerned with predicting the price of Bitcoin using statistical modeling and Deep Learning. The purpose of the research is double-fold. First, we evaluate prediction accuracy of classical statistical time series models and modern deep learning approach to financial time series. The former is taken as comparison baseline, while the research invests more effort to explore Artificial Neural Network model fitting to time series data. Secondly, the research introduces Blockchain network variables for studying the joint relationship with Bitcoin market price and to evaluate the existance of some signal to improve Bitcoin price prediction.
La ricerca riguarda lo studio di serie storiche per predire il futuro prezzo di mercato dei Bitcoin attraverso modelli statistici e di Deep learning. Lo scopo della ricerca riguarda da un lato l'accuratezza con il quale è possibile predire il futuro andamento di mercato del prezzo dei Bitcoin usando dati storici, mentre dall'altro è volto alla valutazione della relazione del prezzo dei Bitcoin con variabili relative alla Blockchain. Tali variabili vengono studiare attraverso analisi multivariate al fine migliorare la previsione dei Bitcoin.
Studio di algoritmi statistici e deep learning di series storiche per predire il prezzo dei Bitcoin
VALENTINI, ANDREA
2018/2019
Abstract
This research is concerned with predicting the price of Bitcoin using statistical modeling and Deep Learning. The purpose of the research is double-fold. First, we evaluate prediction accuracy of classical statistical time series models and modern deep learning approach to financial time series. The former is taken as comparison baseline, while the research invests more effort to explore Artificial Neural Network model fitting to time series data. Secondly, the research introduces Blockchain network variables for studying the joint relationship with Bitcoin market price and to evaluate the existance of some signal to improve Bitcoin price prediction.È consentito all'utente scaricare e condividere i documenti disponibili a testo pieno in UNITESI UNIPV nel rispetto della licenza Creative Commons del tipo CC BY NC ND.
Per maggiori informazioni e per verifiche sull'eventuale disponibilità del file scrivere a: unitesi@unipv.it.
https://hdl.handle.net/20.500.14239/10956