Pronosticando el Precio de la Criptomoneda Usando un Modelo de Corrección de Errores Lineal y No Lineal
Autores: Kim, Jong-Min; Cho, Chanho; Jun, Chulhee
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
Categoría
Gestión y administración
Subcategoría
Gestión de recursos
Palabras clave
Modelos lineales
Modelos de corrección de errores
Bitcoin
Red neuronal
Modelos autorregresivos
Pruebas de causalidad de Granger
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 14
Citaciones: Sin citaciones
Empleamos modelos de corrección de errores lineales y no lineales (ECMs) para predecir los rendimientos logarítmicos de Bitcoin (BTC). El ECM lineal es el mejor modelo para predecir BTC en comparación con los modelos de redes neuronales y autorregresivos en términos de RMSE, MAE y MAPE. Usando un ECM lineal, podemos entender cómo BTC se ve afectado por otras monedas. Además, realizamos pruebas de causalidad de Granger en catorce criptomonedas.
Descripción
Empleamos modelos de corrección de errores lineales y no lineales (ECMs) para predecir los rendimientos logarítmicos de Bitcoin (BTC). El ECM lineal es el mejor modelo para predecir BTC en comparación con los modelos de redes neuronales y autorregresivos en términos de RMSE, MAE y MAPE. Usando un ECM lineal, podemos entender cómo BTC se ve afectado por otras monedas. Además, realizamos pruebas de causalidad de Granger en catorce criptomonedas.