A Comparative Study of Deep Learning-based Time Series Forecasting Approaches for Digital Asset Price Prediction
Year: 2024
Type: article
Abstract: 디지털 자산 시장의 급격한 성장과 높은 변동성은 투자자와 거래 참여자들에게 가격 예측의 중요성을 강조하고 있다. 이에 따라 많은 연구자들이 딥러닝 기반의 시계열 예측 모델을 도입하여 디지털 자산 가격 예측의 정확성을 향상 시키고자 노력하고 있다. 그러나 기존 연구는 주로 LSTM 및 CNN과 같은 바닐라 모델을 중점적으로 활용해왔으며, 이러한 모델들은 특정 상황에서는 효과적일 수 있지만 시계열 데이터의 복잡한 시간적 종속성을 완전히 포착하기 어려워 최적의 예측을 제공하지 못할 수 있다. 본 논문은 이러한 문제에 대한 대안으로 제안된 최신의 시계열 예측 모델들과 기존의 디지털 자산 가격 예측 모델들을 포함해 8개의 모델 성능을 비교 분석한다. 실험 결과, SegRNN 모델은 비트코인(BTC) 및 이더리움(ETH) 시장에서 가격 예측을 수행할 때 다른 모델보다 뛰어난 성능을 보였다. 특히, BTC 시장에서 1시간 틱(Tick) 데이터를 사용하여 6개의 미래 가격 시계열을 예측한 결과, MSE, MAE가 각각 0.0007, 0.0143로 모든 모델 중 가장 우수한 성능을 보였다. 본 연구 결과는 디지털 자산 시장 참여자들에게 효과적인 의사 결정을 지원하고, 투자 전략의 성공 가능성을 높이는 데 기여할 것으로 기대된다.
Authors: Mingu Kang, Joongi Hong, Suntae Kim
Language: English
Field: Decision Sciences
Domain: Social Sciences
Open Access status: diamond
OpenAlex ID: W4403200731