ARIMA를 이용한 향후 5일간 비트코인(BTC) 종가 예측 프로젝트

오잉? ARIMA에 대해 쓴 글이 작년 10월로 군대에 있을때 작성한건데..

 

전역하고 다시 복습하면서 찾아보니까 함수가 아예 사라짐;

​

statsmodels.tsa.arima\_model -> statsmodels.tsa.arima.model 로 라이브러리 위치가 바뀐거였음..

​

---

 

아무튼 이번 주제는 5일 간격의 시간을 둔 미래의 시계열 데이터. 즉 '향후 5일 뒤의 비트코인 종가'를 예측할거다

​

 

1. 데이터 전처리

빗썸에서 제공하는 API의 get_ohlcv() 함수를 통해서 비트코인 정보를 뽑아온다.

​

여기서 중요한 점은, 현재 종가를 기준으로 5일 뒤의 미래 종가를 예측하는게 맞지만 그게 정확한지는 5일 뒤에 확인해야하는 문제점이 생김

 

​그래서 아쉬운 대로 5일 전의 종가를 학습 데이터로 넣어서 예측한 값이 현재 종가와 얼마나 일치하는가를 통해서 정확도를 판별할 거다. 그래서 그에 맞춰 datetime을 사용해서 전처리했다.

​

2. 모델 구축

model = ARIMA(train['close'].values, order=(0, 1, 1))
model_fit = model.fit()

• ARIMA(datas, order=(p,d,q)) : 주어진 학습 데이터를 바탕으로 ARIMA 모델을 생성한다.

AR 모델의 차수(q)=0, 차분의 차수(d)=1, MA모델의 차수(q)=1로 설정해서 자기회귀하지 않고, 오직 1차 차분과 이동평균만을 이용해서 예측할거임. n+1 차분은 어려우니까

​

 

3. 미래 예측

forecast = model_fit.forecast(steps=5)

pred_y = forecast[0].tolist()

뭐... 보다시피 5일 뒤를 예측한 pred_y를 현재 BTC의 종가와 비교하면 예측값이 얼마나 정확한지 비교할 수 있게 됨.

​

​

​

결과를 보면 알겠지만 그렇게 유의미한 정확도를 나타내진 않는다.

 

그 이유로는 애초에 가상화폐 자체가 불규칙적이라 정상성을 가지지 않음 = 통계적 패턴을 읽기 어려움.

​

 

정확도를 올리고 싶다면 일단 예측 기간을 넓게 잡아서 학습 데이터를 방대하게 만들고, (p,d,q) 매개변수를 알맞게 조정해야함.

​

​

 

 

추가로 저번에 앙상블 모델 구현할때 사용했던 LSTM쪽이 훨씬 시계열 데이터의 비선형성을 잡아내기 효과적이라는 내용의 논문을 어디서 봤는데..

​

https://github.com/downfa11/ARIMA-futurePredcit

GitHub - downfa11/ARIMA-futurePredcit: Prediction Future of Time series dataset with ARIMA