신경망 알고리즘과 기계 학습 기술은 앞서 언급한 모델에 비해 더 비선형적인 데이터 기반 도구입니다. 이러한 알고리즘은 독립 변수와 종속 변수 간의 연관성에 대한 사전 정보 없이 비선형 추정을 수행하는 데 능숙하며 예측을 위한 보다 유연한 모델링 도구로 평가됩니다[ 61 ]. ARIMA, ARCH, GARCH 계열 모델, VAR 모델 등 많은 유명 모델은 금융 데이터의 변동성을 예측하는 데 그다지 강력하지 않습니다. 그러나 기계 학습 기술은 복잡한 금융 데이터를 예측하고 예측하는 데 더 강력하며 이러한 기술은 비정상성, 비선형성, 자기 상관 등과 같은 많은 계량 경제학 문제를 포착합니다. 현재 기계 학습 기술은 다음과 같은 이유로 시계열 모델링에서 유명한 방법이 되었습니다. 고정되지 않은 데이터에서 복잡한 관계를 감지하는 능력과 예측 작업에서의 성공적인 성능. 금융의 빈도가 높은 데이터에서는 금융 데이터의 조건부 변동성이 발생할 가능성이 높습니다. 암호화폐 시장의 경우 대부분의 계열이 수준에서 고정되어 있지 않으며, 수익률이 미분될 때마다 평균은 0이 되지만 분산은 일정하지 않아 아치 효과가 발생합니다. 2017년부터 암호화폐 시장에 대한 관심이 높아지면서 [ 16 , 37 ] 등 관련 학술 연구가 엄청나게 많이 나왔습니다 . 위의 문헌 외에도 예측을 더욱 향상시키기 위해 많은 앙상블 기법이 개발되었습니다. Mehtaet al. [ 43 ]은 기존 기술에 다른 가중치를 부여하여 예측 정확도를 높이기 위해 새로운 앙상블 접근 방식을 개발했습니다. 결과적으로, 새로운 앙상블 방법은 이전 접근 방식보다 성능이 뛰어났습니다. 구글상위노출 강남노래방 강남레깅스룸 카지노솔루션 카지노솔루션 제작 카지노솔루션 제작 피망머니상 롤 토토 롤 토토 비제이벳 구글백링크 먹튀사이트신고 먹튀검증사이트 11