[논문]On-Chain Data를 활용한 LSTM 기반 비트코인 가격 예측

안유진; 오하영

doi:10.6109/jkiice.2021.25.10.1287

On-Chain Data를 활용한 LSTM 기반 비트코인 가격 예측
Utilizing On-Chain Data to Predict Bitcoin Prices based on LSTM 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.25 no.10, 2021년, pp.1287 - 1295

안유진 (Department of Fintech, Sungkyunkwan University) , 오하영 (College of Computing & Informatics, Sungkyunkwan University)

초록
AI-Helper

최근 10여 년 동안 가장 가파르게 가치가 상승한 자산군을 꼽자면 단연 비트코인이라고 할 수 있을 것이다. 특히 비트코인은 중앙통제 기관이 없음에도 불구하고 첫 등장을 한 2009년의 사실상 0달러에서 2021년 최고점인 65,000 달러 수준까지 치솟아 역사에 길이 남을 가치 상승을 보여주었다. 이에 따라 비트코인의 가능성에 대해서 반신반의 했던 상당수 투자자들의 포트폴리오에도 비트코인이 상당한 비중을 차지하는 경우가 많아졌으며, 제도권 내의 금융권에서도 이런 비트코인의 움직임에 주목하고 있다. 비트코인에 대한 관심과 더불어 비트코인의 가격에 거시경제 변수나 센티멘트가 비트코인의 가격이 어떻게 움직이는가에 대한 연구 또한 상당히 진전되었다. 하지만, 이들 연구에서 활용한 변수들은 비트코인만의 특징적인 데이터라고 할 수 있는 블록체인 내의 데이터를 취합하여 가공한 온체인 데이터를 적극적으로 활용하지는 않았다. 따라서, 본 논문에서는 시계열 데이터 예측에 적극적으로 활용되고 있는 LSTM을 기반으로 온체인 데이터를 활용하여 비트코인의 가격을 예측해보고자 한다.

Abstract ▼ AI-Helper

During the past decade, it seems apparent that Bitcoin has been the best performing asset class. Even without a centralized authority that takes control over, Bitcoin, which started off with basically no value at all, reached around 65000 dollars in 2021, showing a movement that will definitely go down in history. Thus, even those who were skeptical of Bitcoin's intangible nature are stacking bitcoin as a huge part of their portfolios. Bitcoin's exponential growth in value also caught the attention of traditional banking and investment firms. Along with the spotlight Bitcoin is getting from the investment world, research using macro-economic variables and investor sentiment to explain Bitcoin's price movement has shown progress. However, previous studies do not make use of On-Chain Data, which are data processed using transaction data in Bitcoin's blockchain network. Therefore, in this paper, we will be utilizing LSTM, a method widely used for time-series data prediction, with On-Chain Data to predict the price of Bitcoin.

주제어

표/그림 (10)

그림 Fig. 1 Experiment Process
그림 Fig. 2 RNN Structure
그림 Fig. 3 LSTM Structure
표 Table. 1 Selected Features
그림 Fig. 4 Scaling Methodology
그림 Fig. 5 Model Training and Prediction Process
표 Table. 2 Hyper-parameter Tuning Result
표 Table. 3 Validation/Test Evaluation
그림 Fig. 6 Prediction Result(Full Data Length)
그림 Fig. 7 Comparison Between Prediction Results and Actual Data

참고문헌 (11)

T. Bradshaw. (2021, May). Apple ad for alternative pay ments job signals cryptocurrency interest. Financial Times. [Internet]. Available: https://www.ft.com/content/2b30e69d-6662-40e8-9735-eaea8662906e.
A. Aggarwal, I. Gupta, N. Garg, and A. Goel, "Deep learning approach to determine the impact of socio economic factors on bitcoin price prediction," 2019 Twelfth International Conference on Contemporary Computing (IC3), pp. 1-5, 2019. doi: 10.1109/IC3.2019.8844928.
S. Pyo and J. Lee, "Do FOMC and macroeconomic announcements affect bitcoin prices?," Finance Research Letters, vol. 37, 2020.

상세보기
J. Lee, K. Kim, and D. Park, "Empirical analysis on bitcoin price change by consumer, industry and macro-economy variables," Journal of Intelligence and Information Systems, vol. 24, no. 2, pp. 195-220, 2018.

원문보기 상세보기
K. Lee, S. Cho, G. Min, and C. Yang, "The determinant of bitcoin prices in Korea," Korean Journal of Financial Studies, vol. 47, no. 4, pp. 393-415, 2019.
E. Kim and J. Hong, "The prediction model of cryptocurrency price using news sentiment analysis and deep learning," Korea Society of IT Services, 2020 Fall Conference, pp. 122-126, 2020.
B. Jafar. (2021, April). Bitcoin is not a bubble, BTC is like digital gold, says Bill Miller. Finance Magnates | Financial and business news [Internet]. Available: https://www.financemagnates.com/cryptocurrency/news/bitcoin-is-not-a-bubble-btc-is-like-digital-gold-says-bill-miller/.
S. McNally, J. Roche, and S. Caton, "Predicting the price of bitcoin using machine learning," 2018 26th Euromicro International Conference on Parallel, Distributed and Network-based Processing (PDP), pp. 339-343, 2018.
Z. Chen, C. Li, and W. Sun, "Bitcoin price prediction using machine learning: an approach to sample dimension engineering," Journal of Computational and Applied Mathematics, vol. 365, 2020.

상세보기
CryptoQuant. CryptoQuant Data API (1.3.0) [Internet]. Available: https://cryptoquant.com/docs.
Y. Ng. (2019, January). Machine learning techniques applied to stock price prediction [Internet]. Available: https://towardsdatascience.com/machine-learning-techniques-applied-to-stock-price-prediction-6c1994da8001.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증