Prédiction de la Tendance du Bitcoin à l’Aide des Techniques d’Apprentissage Automatique
$ 45.5
Description
Leave review
Description
Les cryptomonnaies, et en particulier le Bitcoin, ont connu une croissance remarquable en tant que classe d’actifs financiers, attirant l’attention des investisseurs et de la communauté scientifique. Cependant, la forte volatilité et la complexité du marché du Bitcoin rendent la prévision de ses tendances particulièrement difficile. Cet ouvrage propose une approche fondée sur les techniques d’apprentissage automatique afin d’anticiper les tendances quotidiennes du Bitcoin.
L’étude repose sur l’analyse de données journalières du marché, intégrant le prix de clôture, des indicateurs techniques, l’indice Fear and Greed, ainsi que des variables temporelles. Plusieurs modèles de classification ont été évalués, notamment les arbres de décision, le Support Vector Machine (SVM), le Random Forest, le Bagging Classifier et l’AdaBoost Classifier. En parallèle, des modèles de régression basés sur l’apprentissage profond, tels que LSTM, Bi-LSTM, GRU, Bi-GRU et XGBoost, ont été mis en œuvre pour la prédiction des prix futurs.
Les résultats expérimentaux montrent que le Bagging Classifier offre les meilleures performances pour la classification des mouvements du marché en tendances haussières et baissières. Parmi les modèles de régression, le GRU se distingue par sa capacité à prédire avec précision l’évolution future des prix du Bitcoin. L’apport principal de ce travail réside dans la combinaison de ces deux modèles au sein d’une approche hybride innovante, permettant d’améliorer significativement la performance globale du système de prédiction.
Avec une précision atteignant environ 80 %, cette méthode dépasse les approches traditionnelles et constitue un outil pertinent pour soutenir la prise de décision sur les marchés des cryptomonnaies.