deep learning bitcoin

Saat Bitcoin bertemu dengan Kecerdasan Buatan

Memanfaatkan pola harga Bitcoin dengan Deep Learning. Seperti OpenAI, kami melatih model kami pada data piksel mentah. Persisnya bagaimana manusia berpengalaman melihat kurva dan mengambil tindakan.

Sejauh ini, kami mencapai:

• Unduh data tick Bitcoin
• Ubah menjadi data 5 menit
• Konversikan ke representasi Buka Tinggi Rendah Tutup
• Latih AlexNet sederhana pada 20.000 sampel: akurasinya 70% untuk memprediksi apakah aset akan NAIK atau TURUN. Pelatihan dilakukan pada NVIDIA DIGITS dan dengan kerangka Caffe.
• Hitung berapa harga akan NAIK atau TURUN. Karena harga bisa naik sebesar epsilon persen sebanyak 99%, dan mundur sebesar 50%
• Latih 1.000.000+ sampel (setidaknya)
• Terapkan Conv Nets yang lebih kompleks (setidaknya Google LeNet)
• Integrasikan volume batang pada gambar OHLC (Terbuka, Tinggi, Rendah, Tutup) yang dihasilkan
• Gunakan perhatian CNN untuk mengetahui apa yang penting untuk gambar mana. Mungkin hanya sebagian kecil dari gambar yang penting untuk prediksi

Hasil pada 20.000 sampel (kumpulan data kecil)

Pelatihan data harga 5 menit (Coinbase USD)

---

Beberapa contoh set pelatihan

---

Ilustrasi kumpulan data dari CoinbaseUSD

                     price_open  price_high  price_low  price_close      volume  close_price_returns close_price_returns_bins  close_price_returns_labels
DateTime_UTC                                                                                                                                             
2017-05-29 11:55:00     2158.86     2160.06    2155.78      2156.00   21.034283             0.000000          (-0.334, 0.015]                           5
2017-05-29 12:00:00     2155.98     2170.88    2155.79      2158.53   47.772555             0.117347           (0.015, 0.364]                           6
2017-05-29 12:05:00     2158.49     2158.79    2141.12      2141.92  122.332090            -0.769505        (-1.0322, -0.683]                           3
2017-05-29 12:10:00     2141.87     2165.90    2141.86      2162.44   87.253402             0.958019          (0.713, 1.0623]                           8

• Gulir ke kanan untuk melihat semua kolom!
• Volume ditampilkan dalam BTC.
• Pengembalian dalam persentase dan dihitung berdasarkan harga penutupan.

Bagaimana cara memulainya?

 git clone https://github.com/philipperemy/deep-learning-bitcoin.git
cd deep-learning-bitcoin
./data_download.sh # will download it to /tmp/
python3 data_generator.py /tmp/btc-trading-patterns/ /tmp/coinbaseUSD.csv 1 # 1 means we want to use quantiles on returns. 0 would mean we are interested if the bitcoin goes UP or DOWN only.

Jika Anda tertarik untuk membuat kumpulan data yang besar (coinbase.csv berisi sekitar 18 juta baris), sebaiknya jalankan program dalam mode latar belakang:

 nohup python3 -u data_generator.py /tmp/btc-trading-patterns/ /tmp/coinbaseUSD.csv 1 > /tmp/btc.out 2>&1 &
tail -f /tmp/btc.out

Jika Anda pernah melihat kesalahan ini:

 _tkinter.TclError: no display name and no $DISPLAY environment variable

Silakan merujuk ke solusi ini: https://stackoverflow.com/questions/37604289/tkinter-tclerror-no-display-name-and-no-display-environment-variable

Jalankan dengan Docker

Untuk membangun image buruh pelabuhan, jalankan saja

 docker build -t dlb .

dari folder repositori dan kemudian jalankan wadahnya

 docker run -it --name dlb -v $PWD:/app dlb /bin/bash

folder saat ini akan dipasang ke /app . Untuk memverifikasi pemasangan yang benar, jalankan di dalam wadah

 root@c11ef702a6d6:/app# mount| grep app
/dev/sda2 on /app type ext4 (rw,relatime,errors=remount-ro,data=ordered)