Сравнительный анализ моделей глубокого обучения для прогнозирования временных рядов на данных криптовалюты Solana с использованием Darts

В статье рассматривается сравнительный анализ нескольких моделей глубокого обучения для прогнозирования временных рядов на данных криптовалюты Solana с использованием библиотеки Darts. Исследование оценивает точность прогнозирования шести моделей: Block RNN, N-BEATS, N-HiTS, RNN, TCN и TFT, используя как эмпирический, так и количественный подход. Модель Block RNN продемонстрировала наилучшую общую точность, достигнув наименьших показателей ошибок, за ней следовали N-BEATS и TCN. Модели N-HiTS и TFT оказались менее точными из-за их высокой сложности и относительно небольшого объема данных. Однако дальнейшее обучение модели N-BEATS привело к значительным улучшениям, продемонстрировав её потенциал в улавливании долгосрочных трендов на волатильных криптовалютных рынках. Это исследование предоставляет ценные рекомендации по выбору моделей глубокого обучения для прогнозирования в таких динамичных условиях.