WiMi Hologram Cloud Inc. ha annunciato di aver sviluppato un modello ibrido di apprendimento automatico a due stadi, basato sulla decomposizione modale variazionale (VMD) e sulla regressione vettoriale di supporto (SVR). Per catturare in modo efficiente le informazioni dinamiche del mercato, il modello di WiMi di questa tecnologia impiega l'algoritmo Boruta per gli indicatori tecnici e la selezione delle caratteristiche. Questo aiuta a trovare il sottoinsieme di caratteristiche più rilevanti, minimizzando la complessità del modello e migliorandone l'efficienza.

Il VMD è in grado di gestire meglio il rumore e le fluttuazioni casuali nelle serie di prezzi Bitcoin. Decomponendo i segnali di ingresso a valore reale in funzioni di modalità variazionale (VMF), si ottengono VMF con intervalli di frequenza unici, che in definitiva migliorano la rappresentazione dei dati di prezzo. SVR, un componente centrale degli algoritmi di apprendimento automatico, fornisce potenti capacità predittive catturando relazioni non lineari nello spazio delle caratteristiche del modello tecnico.

Per garantire la pertinenza dei dati del modello predittivo, i dati del prezzo dei bitcoin intraday sono stati pre-elaborati e normalizzati. Questo includeva la conversione di dati eterogenei di serie temporali in dati omogenei per eliminare le differenze di scala, rendendo così i vettori di supporto più facili da apprendere. Innanzitutto, nella prima fase, viene impiegato l'algoritmo Boruta, che è un algoritmo efficiente di selezione delle caratteristiche, per selezionare il sottoinsieme più rilevante da varie metriche tecniche.

Lo scopo di questa fase è ridurre lo spazio delle caratteristiche e diminuire la complessità del modello, assicurando al contempo che gli indicatori tecnici selezionati siano massimamente informativi per la previsione del prezzo del Bitcoin. Il VMD poi decompone la serie di prezzi del Bitcoin in una serie di VMF. Ogni VMF ha proprietà e intervalli di frequenza unici, che consentono di catturare più accuratamente i segnali rumorosi e le fluttuazioni casuali nei dati di prezzo.

Questo passaggio porta a una serie ricostruita di funzioni modali variazionali (rVMF), che forniscono input più puliti e astratti per la seconda fase di modellazione. Nella seconda fase, le informazioni di due set di caratteristiche vengono aggregate per formare gli input della SVR. Questi due set di caratteristiche includono le caratteristiche selezionate attraverso gli indicatori tecnici e le rVMF generate attraverso le VMD.

Questa aggregazione è progettata per utilizzare appieno le tendenze statistiche degli indicatori tecnici e le informazioni di frequenza dei VMD, per fornire un input più completo e multidimensionale all'SVR. L'SVR è il cuore del modello e ha la capacità di catturare relazioni non lineari. Accettando una miscela di input da entrambi i set di caratteristiche, SVR costruisce un potente modello predittivo imparando dal comportamento passato del mercato e dai modelli statistici dei movimenti dei prezzi.

Poiché questo modello prende in considerazione sia gli indicatori tecnici che le informazioni del dominio di frequenza dei VMD, fornisce una comprensione più completa della volatilità del prezzo del Bitcoin. Attraverso una modellazione ibrida a due fasi, WiMi combina le proprietà statistiche degli indicatori tecnici con le informazioni del dominio di frequenza dei VMD per costruire un modello di previsione più completo e potente. Questo modello dimostra vantaggi significativi nell'affrontare la volatilità del mercato, nel gestire il rumore e nell'adattarsi ai cambiamenti rapidi.

Non solo migliora l'accuratezza delle previsioni del prezzo del Bitcoin, ma fornisce anche un supporto decisionale più efficace. Poiché il mercato delle criptovalute continua ad evolversi e ad innovarsi, la necessità di tecnologia continua ad aumentare. In futuro, WiMi continuerà ad approfondire i suoi dati di mercato e ad integrare altre tecnologie emergenti per migliorare ulteriormente le prestazioni dei suoi modelli di apprendimento automatico ibrido a due fasi.

Pianificando l'introduzione di algoritmi di apprendimento automatico più avanzati, di metodi di apprendimento aumentati e di tecniche di apprendimento profondo per adattarsi ai cambiamenti dinamici del mercato, WiMi fornirà agli utenti previsioni di prezzo del Bitcoin più accurate e affidabili. Nel settore degli asset digitali, il modello ibrido di apprendimento automatico a due fasi di WiMi rappresenta un'innovazione tecnologica. Grazie a una ricerca approfondita sul mercato del Bitcoin e all'applicazione di una tecnologia all'avanguardia, rompe i limiti dei modelli tradizionali e offre agli investitori e ai trader uno strumento nuovo e più affidabile per la previsione del prezzo del Bitcoin.

WiMi offre un approccio senza precedenti alla previsione del prezzo del Bitcoin. Lo sviluppo di questo modello non solo rappresenta un contributo importante al settore della tecnologia finanziaria, ma fornisce anche agli investitori e ai trader uno strumento di supporto decisionale più affidabile ed efficiente.