LSTM 神经网络预测比特币价格

近年来比特币行情预测，“区块链”一词不断出现在我们眼前。 各种数字货币应运而生，数字货币量化私募更是如雨后春笋般涌现。 这次我们将尝试从交易所捕获数字货币。 数据并使用 LSTM 模型预测数字货币的价格。

确定交换

数字货币市场的一个特点是交易所数量极其庞大，达到数千家。 可以说交易所的数量远远大于数字货币的数量。 比较大的交易所。 这次我们选择了OKCoin交易所。

找到API

为了获取交易所的数字货币数据，我们首先要找到交易所中的API，获取对应的数据。 比如我这次要抓取的是数字货币的K线数据，所以就找到了下图的API。

数据抓取

这个时候我们只需要在Python中导入相应的库比特币行情预测，自定义一个可以抓取K线数据的函数即可。

然后我们指定抓取数据的币种和时间段，使用我们刚刚自定义的函数就可以很方便的将数据抓取到我们本地。 这次我们选择比特币作为币种，获取每日K线数据，将收盘价数据绘制成图表。

构建 LSTM 模型

抓取数据后，我们要建立一个模型来预测比特币的价格。 我们假设每一天的价格都受到过去 20 天数据的影响。 我们选取开盘价、收盘价、最高价、最低价和成交量这五个维度的数据来预测第二天的收盘价。 由于这是一个时间序列预测问题，我们可以建立一个 LSTM 模型来预测价格。

通过keras，我们可以轻松搭建一个节点的两层LSTM+输出层模型结构。 优化函数是 adam。 因为是预测，损失函数是均方误差。 模型结构如下图所示。

训练和预测模型

将训练周期设置为 20，将 batch_size 设置为 60。使用训练集训练后，我们使用验证集来预测未来价格。

图中蓝线是真实的价格数据，黄线是我们模型预测的价格。 可以发现，虽然会有少许偏差，但是预测效果还是相当不错的。 在这里我们只是抛砖引玉，希望能和大家有更多的学习和交流。

欢迎关注以下平台高智高质