（15-9）基于时间序列预测的比特币自动交易系统：使用时间序列法转换数据

最新推荐文章于 2024-09-16 13:46:43 发布
最新推荐文章于 2024-09-16 13:46:43 发布
阅读量600 收藏 7
点赞数 14
分类专栏： 金融大模型 文章标签： python 人工智能 深度学习 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/asd343442/article/details/135981143
版权

1.5.9  使用时间序列法转换数据

当时间序列呈指数增长趋势时，通常建议使用对数进行转换，以使图表更趋于线性。

（1）下面代码首先通过np.log(prices)计算了比特币价格的对数转换，将呈现出指数增长的时间序列数据转化为更为线性的对数尺度。然后，利用Plotly Express库创建了一张线性图，其中x轴表示时间（以年为单位），y轴表示对数价格。

log_df = np.log(prices) #log df
fig = px.line(log_df, x=log_df.index, y="Close
了解本专栏 订阅专栏 解锁全文 超级会员免费看
码农三叔
关注
专栏目录
订阅专栏
（15-6）基于时间序列预测的比特币自动交易系统：创建机器学习模型
码农三叔
01-31 1296
执行后，对于每个模型（Linear Regression模型、XGBoost Regressor 模型、Random Forest Regressor 模型），将绘制一个交互式的线形图，展示原始的比特币关闭价格（Close Price）、训练集的预测关闭价格和测试集的预测关闭价格。最后，打印出处理后的数据框形状，确保数据处理的正确性。具体而言，上述代码的功能是将训练集和测试集的预测结果从归一化的形式转换回原始的货币单位（USD），这样可以更好地理解模型的预测结果，并进行进一步的分析。
（15-13）基于时间序列预测的比特币自动交易系统：真实交易
码农三叔
02-02 1422
（4）定义函数 getminutedata，使用 Binance API 获取特定交易对的分钟级别历史K线数据，并返回一个包含时间、开盘价、最高价、最低价、收盘价和成交量的DataFrame。在每次交易执行后，会打印订单信息。Binance是一个著名的交易平台，可以存储、购买、出售和交换加密货币，可以与其他加密货币进行交换，也可以与法定货币（如欧元或美元）进行交易。（3）使用Binance API获取了BTC/USDT交易对的最近30分钟的历史K线数据，并将其以DataFrame的形式显示出来。
（15-4）基于时间序列预测的比特币自动交易系统：数据转换
码农三叔
01-31 438
（1）将 BTC_data 数据框中的 'Date' 列设置为索引，并将结果保存在新的数据框 BTC_Data 中。（2）对 BTC_Data 数据框中的数据进行筛选，仅保留日期在 '2020-01-01' 及以后的数据。（4）下面的代码用于提供有关 BTC_Data 数据框的详细信息，包括每列的非空值数量、数据类型以及内存使用情况等。（3）下面的代码用于显示经过筛选后的 BTC_Data 数据框的前几行数据，以便查看在 '2020-01-01' 及以后的时间范围内的数据。
（15-11）基于时间序列预测的比特币自动交易系统：时间序列验证
码农三叔
02-02 487
（1）下面的代码首先创建了一个名为 'base' 的新列，该列包含了实际 'Close' 值的前一个时间点的值，用于与 ARIMA 模型的预测值进行比较。（3）下面的代码调用了函数plot_forecast，传递了 ARIMA 模型的预测结果 (result.forecast)、训练集 (y_train)、测试集 (y_test) 以及上下界的时间序列。执行后将绘制一个使用 Plotly 创建的曲线图，展示了训练集、测试集和 ARIMA 模型的预测结果，同时显示了预测的上下界。fc：预测的时间序列。
（15-10）基于时间序列预测的比特币自动交易系统：使用时间序列预测
码农三叔
02-01 938
（4）下面代码使用库pmdarima中的函数auto_arima自动选择最佳的 ARIMA 模型超参数，函数auto_arima能够根据不同的参数组合进行模型拟合，并通过 AIC (Akaike Information Criterion) 来评估模型的拟合质量，最终选择具有最小 AIC 值的模型。上面函数auto_arima的执行结果表明，经过自动搜索，最佳的 ARIMA 模型超参数为 (1,1,1)，即 AR 阶数为 1，差分阶数为 1，MA 阶数为 1。所示，具体说明如下所示。
（15-7）基于时间序列预测的比特币自动交易系统：构建深度学习模型
码农三叔
02-01 1052
重新调整后的形状为(X_train的样本数，时间步长，1)和(X_test的样本数，时间步长，1)。（6）使用训练好的LSTM模型对测试集进行预测，并计算预测结果与真实值之间的平均绝对误差（MAE）和均方根误差（RMSE），这些指标用于评估模型在测试集上的性能。（4）下面这部分代码绘制了原始收盘价、训练集预测收盘价和测试集预测收盘价的折线图，用于可视化展示LSTM模型的预测效果。（7）下面代码绘制了训练过程中模型的损失函数（loss）的曲线图，展示了损失函数在训练集和验证集上的变化情况。
（15-1）基于时间序列预测的比特币自动交易系统：背景介绍+功能模块
码农三叔
01-30 511
在本项目中，基于机器学习和深度学习技术创建了一个比特币的自动交易系统。本项目旨在探索数据科学项目生命周期，聚焦于深度学习和时间序列分析。我们通过收集、分析和转换数据，实施预处理，构建了基本模型、神经网络和时间序列预测模型。通过模拟评估了模型性能，并通过连接到Binance交易服务实现实际交易。整个项目让我们掌握了多种技术和工具，为深入理解交易和加密货币领域提供了清晰的视角。
（28-4）使用隐马尔可夫模型交易比特币：隐马尔可夫模型（HMM）
码农三叔
09-09 241
相反，必须选择序列的起始部分，这样才能使用来自相对未来的数据来测试模型，以便测试结果能够反映模型对未见过的未来数据的泛化能力。HMM假设系统状态是隐藏的，通过观察到的数据（观测值）来推断系统的状态。它们基于的是价格数据的简单规则或趋势，而不是通过隐藏状态模型来进行预测。然后，代码绘制了在训练期间内的隐状态概率和比特币价格的归一化对比图，以及期望异常收益率与比特币价格的对比图。上述输出结果将帮助我们评估HMM在捕捉比特币价格行为中的表现，并提供有关如何基于隐状态概率和期望异常收益率做出交易决策的见解。
打破数据孤岛：ChatGPT如何打通金融大数据的任督二脉？
程序边界
01-01 8570
本书是一本针对金融领域的数据分析和机器学习应用的实用指南。本书以ChatGPT为核心技术，结合Python编程和金融领域的基础知识，介绍如何利用ChatGPT处理和分析金融大数据，进行预测建模和智能决策。通过阅读本书，读者将掌握使用ChatGPT和其他工具进行金融大数据分析的基本原理和方法。无论是金融行业 从业者还是数据分析员，都可以从本书中获得宝贵的实用知识，提升在金融领域的数据分析和决策能力。
Tcl lnit error: Can’t find a usable init.tcl in the following directories 问题解决
梦想闹钟
09-15 409
实际研究后发现，其实py2exe已经把打包需要的lib放在dist文件夹下了，但是打包后的程序运行后却没有去lib下找，而是去找系统自带的环境变量里找，所以找不到。这个问题出现在我用py2exe打包了一个包含tkinter的图形化界面，在当前电脑上运行无问题，在移动到新电脑上后提示报错、getcwd用于获取当前工作目录绝对路径，在设置环境的变量的时候它用的是绝对路径-所以也导致了在当前电脑上能用而移动后不能用。解决方法是在你的程序里重新设置下环境变量，而且是用相对路径的形式。
Python办公自动化案例（二）：对比两个Excel数据内容并标出不同
衍生星球的博客
09-14 428
在数据处理和分析的日常工作中，我们经常需要比较两个Excel文件的差异。这可能是为了验证数据的一致性、检查数据的准确性，或者在版本控制中追踪更改。手动比较这些文件不仅耗时，而且容易出错。幸运的是，Python的openpyxl库提供了一种自动化这一过程的方法。
Python世界：力扣29题两数相除算法实践
来知晓的博客
09-13 408
除法运算本质是减法，从理解原理到真正实现还是有距离，建议初步理解后，不参考任何代码，完全自己复现一遍，体会更深。注意提示：目的就是提醒越界问题：-2^31/-1=2&31，超过了整数表达范围。本问题来自于力扣29题，在做完大数相乘后，顺带也看下两数相除。将两数相除，要求不使用乘法、除法和 mod 运算符。给定两个整数，被除数。
JUC从实战到源码：中断机制与API实现
qq_43843951的博客
09-12 1148
在Java中，线程中断是一种机制，用于通知线程应该停止当前正在执行的任务。中断通常用于协同线程之间的合作，以便让线程在适当的时候终止其工作，尤其是在长时间运行的任务或阻塞操作中。通过学了多线程以及synchronized的相关知识，接下来就到了学习线程中断知识。
opencv学习：calcHist 函数绘制图像直方图及代码实现
mohanyelong的博客
09-13 1472
opencv学习：calcHist 函数绘制图像直方图及代码实现
车辆检测与分类系统源码分享
xuehaikj的博客
09-13 1374
数据集信息展示在本研究中，我们采用了名为“comexit”的数据集，以支持对YOLOv8模型在车辆检测与分类任务中的改进。该数据集专注于交通工具的识别，特别是公共交通和货运车辆，具有明确的应用背景和实用价值。数据集的类别数量为三，具体包括“bus”（公交车）、“car”（小汽车）和“truck”（卡车）。这三类车辆在城市交通和物流系统中扮演着重要角色，因此，准确的检测与分类对于交通管理、智能交通系统以及自动驾驶技术的发展具有重要意义。
面试真题 | web自动化关闭浏览器，quit()和close()的区别
NHB234567的博客
09-13 350
关闭所有的浏览器窗口，销毁driver操作，则需要使用的是quit方法；当打开了多个窗口，只想要关闭非最后一个窗口的时候，使用的是close方法。这些资料，对于【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴上万个测试工程师们走过最艰难的路程，希望也能帮助到你！close():只关闭当前的浏览器标签页，如果当前浏览器标签页剩下最后一个，则所有标签页面退出。是否编写过对应浏览器退出的测试用例。quit():所有的浏览器窗口退出。关闭当前的标签页，其他窗口不退出。退出当前所有的窗口；
Python——俄罗斯方块
2302_81225694的博客
09-14 1216
这段代码使用了Pygame库来实现游戏的图形界面，通过键盘控制方块的移动和旋转。游戏循环不断更新方块的位置和网格状态，并绘制在屏幕上。在方块达到底部或无法继续移动时，判断是否有满行，并清除满行的方块。游戏会根据方块的状态和移动情况不断更新，直到无法继续下落为止，游戏结束。俄罗斯方块游戏是一款经典的益智游戏，通常使用编程语言Python来实现。请注意，这只是一个简单的示例，可能还有一些功能和优化方面的改进。您可以根据自己的需求进行修改和扩展。
2024.9.16 day 1 pytorch安装及环境配置
最新发布
m0_58285219的博客
09-16 385
pytorch安装及环境配置
深度学习驱动的比特币价格预测：LSTM在时间序列分析中的优势
比特币作为一种流行的加密货币，其价格波动性吸引了众多投资者的关注，可以视为一个时间序列数据的股票市场。研究者针对比特币每分钟的价格数据，通过一系列技术手段进行处理，如最小-最大归一化（min-max ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

码农三叔

感谢鼓励

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值