是什么推动比特币？连续局部传递熵和深度学习分类模型的方法
摘要：比特币的价格模式不可预测，吸引了不同市场参与者的关注。有时，价格出现大幅跳动。比特币价格还经历了极端和意外的崩盘。我们使用连续传输熵方法测试了一系列决定因素对比特币价格走向的预测能力，作为特征选择的标准。根据最近邻估计的局部传输熵的排序检验，在统计上显著的资产被用作深度学习分类模型中的特征或解释变量，用于预测比特币的价格走向。所提出的变量选择方法排除了纳斯达克指数和特斯拉作为驱动因素。在不同的情景和指标下，使用疫情期间的显著驱动因素进行验证获得了最佳结果。在测试中，没有驱动因素的情况下，2020年7月至2021年1月的疫情后情景中准确率增加。换句话说，我们的结果表明，在高波动性时期，比特币似乎能够自我调节，不需要额外的驱动因素来提高价格走向的准确性。
作者：Andr''es Garc''ia-Medina, and Toan Luu Duc Huynh3
论文ID：2109.01214
分类：Statistical Finance
分类简称：q-fin.ST
提交时间：2021-12-15