비트코인 가격 예측을 위한 LSTM 모델의 Hyper-parameter 최적화 연구
A Study on the Hyper-parameter Optimization of Bitcoin Price Prediction LSTM Model
2
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
비트코인은 정부나 금융기관에 의존되어 있지 않은 전자 거래를 지향하며 만들어진 peer-to-peer 방식의 암호화폐이다. 비트코인은 최초 발행 이후 거대한 블록체인 금융 시장을 생성했고, 이에 따라 기계 학습을 이용한 비트코인 가격 데이터를 예측하는 연구들이 활발해졌다. 그러나 기계 학습 연구의 비효율적인 Hyper-parameter 최적화 과정이 연구 진행에 있어 비용적인 측면을 악화시키고 있다. 본 논문은 LSTM(Long Short-Term Memory) 층을 사용하는 비트코인 가격 예측 모델에서 가장 대표적인 Hyper-parameter 중 Timesteps, LSTM 유닛의 수, 그리고 Dropout 비율의 전체 조합을 구성하고 각각의 조합에 대한 예측 성능을 측정하는 실험을 통해 정확한 비트코인 가격 예측을 위한 Hyper-parameter 최적화의 방향성을 분석하고 제시한다.
Abstract
Bitcoin is a peer-to-peer cryptocurrency designed for electronic transactions that do not depend on the government or financial institutions. Since Bitcoin was first issued, a huge blockchain financial market has been created, and as a result, research to predict Bitcoin price data using machine learning has been increasing. However, the inefficient Hyper-parameter optimization process of machine learning research is interrupting the progress of the research. In this paper, we analyzes and presents the direction of Hyper-parameter optimization through experiments that compose the entire combination of the Timesteps, the number of LSTM units, and the Dropout ratio among the most representative Hyper-parameter and measure the predictive performance for each combination based on Bitcoin price prediction model using LSTM layer.
참고문헌 (17)
- 김선웅, "딥러닝을 이용한 비트코인 투자전략의 성과 분석", 한국융합학회논문지, 12(4), pp.249~258 (2021), 한국융합학회[DOI]
- 원종관, "텍스트 마이닝과 딥러닝을 활용한 암호화폐 가격 예측 : 한국과 미국시장 비교", 지식경영연구, 22(2), pp.1~17 (2021), 한국지식경영학회[DOI]
- S. McNally, "Predicting the Price of Bitcoin Using Machine Learning", 26th Euromicro International Conference on Parallel, Distributed, and Network-Based Processing, pp.339~343 (2018)
- 주일택, "양방향 LSTM 순환신경망 기반 주가예측모델", 한국정보전자통신기술학회 논문지, 11(2), pp.204~208 (2018), 한국정보전자통신기술학회
- K. J. Jeong, "Deep Recurrent Neural Network", Communications of the Korean Institute of Information Scientists and Engineers, 33(8), pp.39~43 (2015)
- T. Yu, "Hyper-Parameter Optimization: A Review of Algorithms and Applications" (2020)
- S. H. Ji, "Design of LSTM Model for Prediction of Number of Bitcoin Transactions", Proceedings of Symposium of the Korean Institute of communications and Information Sciences, pp.472~473 (2019)
- D. H. Kown, "Correlation Analysis and Regression Test on Cryptocurrency Price Data", Proceedings of the Korea Information Processing Society Conference, pp.346~349 (2018)
- 김은미, "감성분석을 이용한 뉴스정보와 딥러닝 기반의 암호화폐 수익률 변동 예측을 위한 통합모형", 지식경영연구, 22(2), pp.19~32 (2021), 한국지식경영학회[DOI]
- M. G. Gang, "Machine Learning based Prediction of Bitcoin Price Fluctuation Using News Data", Korean Network Operations and Management Conference, pp.38~39 (2021)
- 지세현, "기계학습 기반 비트코인 네트워크 트랜잭션 수 예측에 관한 연구", KNOM Review, 22(1), pp.68~76 (2019), 한국통신학회
- M. G. Gang, "LSTM-based Prediction of Bitcoin Price Fluctuation using Sentiment Analysis", The Fall Conference of The Korean Institute of Communications and Information Sciences Conference, pp.1~2 (2020)
- J. Bergstra, "Random search for hyper-parameter optimization", Journal of Machine Learning Resarch, 13(2) (2012)
- 최용욱, "베이지안 최적화를 이용한 암상 분류 모델의 하이퍼 파라미터 탐색", 지구물리와 물리탐사, 23(3), pp.157~167 (2020), 한국지구물리.물리탐사학회
- G. Sui, "Bayesian Contextual Bandits for Hyper Parameter Optimization", IEEE Access, 8, pp.42971~42979 (2020)