Publikace detail

Hierarchical Intuitionistic TSK Fuzzy System for Bitcoin Price Forecasting

Autoři: Hájek Petr | Olej Vladimír

Rok: 2023

Druh publikace: článek ve sborníku

Název zdroje: 2023 IEEE International Conference on Fuzzy Systems (FUZZ) Proceedings

Název nakladatele: IEEE (Institute of Electrical and Electronics Engineers)

Místo vydání: New York

Strana od-do: 194453

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Hierarchický intuicionistický fuzzy systém TSK pro předpověď ceny bitcoinu	O vývoj hierarchických struktur fuzzy systémů založených na pravidlech je velký zájem díky jejich flexibilitě, která umožňuje modelovat složité problémy. Pro zvládnutí vysokého stupně neurčitosti vyplývajícího z vlastností trhů s kryptoměnami je v tomto článku navržen hierarchický intuicionistický fuzzy systém TSK (Takagi-Sugeno-Kang) vybavený komponentou pro výběr a řazení příznaků. Navrhovaný systém využívá intuicionistické fuzzy množiny, což umožňuje efektivně modelovat nejistotu investorů při rozhodování na trzích kryptoměn. Hierarchickou strukturu tvoří paralelní stromový fuzzy systém, který je založen na relevantních příznacích při zohlednění závislostí příznaků. Výpočetní efektivity je dosaženo použitím fuzzy c-means shlukování k vytvoření antecedentů pravidel. Navrhovaný systém je ověřen pomocí vícerozměrných dat o bitcoinech za období 2018 až 2022, což ukazuje, že navrhovaný systém dokáže přesně předpovídat ceny bitcoinů při zachování interpretovatelné hierarchické struktury.	bitcoin; predikce; hierarchická struktura; intuicionistický TSK fuzzy systém
eng	Hierarchical Intuitionistic TSK Fuzzy System for Bitcoin Price Forecasting	There has been great interest in developing hierarchical structures of fuzzy rule-based systems due to their flexibility allowing to model complex problems. To cope with the high degree of uncertainty arising from the characteristics of cryptocurrency markets, this paper proposes a hierarchical intuitionistic TSK (Takagi-Sugeno-Kang) fuzzy system equipped with a feature selection and feature ranking component. The proposed system uses intuitionistic fuzzy sets, allowing to effectively model investor uncertainty in the decision-making on cryptocurrency markets. The hierarchical structure is a parallel tree-like fuzzy system that is based on relevant features while considering feature dependencies. Computational efficiency is achieved by using fuzzy c-means clustering to produce rule antecedents. The proposed system is validated using multivariate bitcoin data for the period 2018 to 2022, showing that the proposed system can accurately predict bitcoin prices while retaining an interpretable hierarchical structure.	bitcoin; forecasting; hierarchical structure; intuitionistic TSK fuzzy system

Vyhledávání

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Ústavy

Pracoviště

Jak nás najdete?

Služby

Často hledáte