Comparative Study for Cryptocurrency Price Prediction Methods

Abstract

This research presents a comparative study of the process of cryptocurrency price prediction. The two components of this comparative study investigate data normalization during the data preparation stage and the algorithms used to develop a model for predicting the closed price cryptocurrency. In the data preparation stage, three techniques are evaluated for data normalization comparisons: log scaling, min-max scaling, and z-score scaling. Meanwhile, the algorithms used for modeling the closed price cryptocurrency are compared between machine learning (e.g. Support Vector Machines) and deep learning (e.g. Long Short-Term Memory) algorithms. The datasets of Bitcoin, Ethereum, and Litecoin used in this study was downloaded from http://cryptocompare.com.

งานวิจัยฉบับนี้นำเสนอการศึกษาเชิงเปรียบเทียบกระบวนการของการพยากรณ์ราคาคริปโทเคอร์เรนซี โดยการศึกษาเชิงเปรียบเทียบนี้จะทำการเปรียบเทียบในสองส่วนคือ การเปรียบเทียบการทำนอร์มอลไลซ์ข้อมูลในขั้นตอนของการเตรียมข้อมูล และการเปรียบเทียบอัลกอริทึมที่ใช้ในการสร้างโมเดลเพื่อการพยากรณ์ราคาปิดของคริปโทเคอร์เรนซี สำหรับการเปรียบเทียบการทำนอร์มอลไลซ์ข้อมูลในขั้นตอนของการเตรียมข้อมูลนั้นจะทำการเปรียบเทียบใน 3 วิธีการได้แก่ การปรับค่าข้อมูลด้วยลอการิทึม การปรับค่าข้อมูลแบบต่ำสุด-สูงสุด และการปรับค่าข้อมูลแบบซี-สกอร์ ในขณะที่การเปรียบเทียบอัลกอริทึมที่ใช้ในการสร้างโมเดลเพื่อการพยากรณ์ราคาปิดของคริปโทเคอร์เรนซีจะทำการเปรียบระหว่างอัลกอริทึมการเรียนรู้ของเครื่อง (เช่น ซัพพอร์ตเวกเตอร์รีเกรสชั่น) และอัลกอริทึมการเรียนรู้เชิงลึก (เช่น หน่วยความจำระยะสั้นระยะยาว) สำหรับชุดข้อมูลของบิตคอยน์ อีเธอร์เลียม และไลท์คอยน์ ที่ใช้ในการศึกษาในครั้งนี้ได้ทำการดาวน์โหลดมาจาก http://cryptocompare.com