Analysis and Forecasting of Cryptocurrency Markets Using Bayesian and LSTM-Based Deep Learning Models

Biki, Bidesh Biswas; 坂本, 眞人; サカモト, マコト; Sakamoto, Makoto; 武居, 周; タケイ, アマネ; Takei, Amane; Alam, Md Jubirul; Riajuliislam, Md; Showaibuzzaman, Showaibuzzaman

doi:https://doi.org/10.3390/informatics12030087

WEKO3

lat lon distance

[[sub_check.contents]]

[[sub_radio.contents]]

Field does not validate

[[sub_attr.contents]]　

インデックスツリー

アイテム

Analysis and Forecasting of Cryptocurrency Markets Using Bayesian and LSTM-Based Deep Learning Models

http://hdl.handle.net/10458/0002001838

名前 / ファイル	ライセンス	アクション
fulltext (1.4 MB)

アイテムタイプ

学術雑誌論文 / Journal Article(1)

公開日

2025-10-17

タイトル

Analysis and Forecasting of Cryptocurrency Markets Using Bayesian and LSTM-Based Deep Learning Models

言語

eng

キーワード

言語

キーワード

autoregressive model

キーワード

言語

キーワード

Bayesian modeling

キーワード

言語

キーワード

Bitcoin

キーワード

言語

キーワード

cryptocurrency forecasting

キーワード

言語

キーワード

deep learning

キーワード

言語

キーワード

financial time series

キーワード

言語

キーワード

LSTM

キーワード

言語

キーワード

MCMC

キーワード

言語

キーワード

No-U-Turn sampler

キーワード

言語

キーワード

state-space model

キーワード

言語

キーワード

uncertainty quantification

資源タイプ

journal article

アクセス権

open access

著者

Biki, Bidesh Biswas
坂本, 眞人

WEKO 11783
e-Rad_Researcher 50196101

ja	坂本, 眞人宮崎大学
ja-Kana	サカモト, マコト
en	Sakamoto, Makoto University of Miyazaki

Search repository

武居, 周

WEKO 35252
e-Rad_Researcher 40598348

ja	武居, 周宮崎大学
ja-Kana	タケイ, アマネ
en	Takei, Amane University of Miyazaki

Search repository

Alam, Md Jubirul
Riajuliislam, Md
Showaibuzzaman, Showaibuzzaman

抄録

内容記述タイプ

Abstract

内容記述

The rapid rise of the prices of cryptocurrencies has intensified the need for robust forecasting models that can capture the irregular and volatile patterns. This study aims to forecast Bitcoin prices over a 15-day horizon by evaluating and comparing two distant predictive modeling approaches: the Bayesian State-Space model and Long Short-Term Memory (LSTM) neural networks. Historical price data from January 2024 to April 2025 is used for model training and testing. The Bayesian model provided probabilistic insights by achieving a Mean Squared Error (MSE) of 0.0000 and a Mean Absolute Error (MAE) of 0.0026 for training data. For testing data, it provided 0.0013 for MSE and 0.0307 for MAE. On the other hand, the LSTM model provided temporal dependencies and performed strongly by achieving 0.0004 for MSE, 0.0160 for MAE, 0.0212 for RMSE, 0.9924 for R<sup>2</sup> in terms of training data and for testing data, and 0.0007 for MSE with an R<sup>2</sup> of 0.3505. From the result, it indicates that while the LSTM model excels in training performance, the Bayesian model provides better interpretability with lower error margins in testing by highlighting the trade-offs between model accuracy and probabilistic forecasting in the cryptocurrency markets.

言語

書誌情報

en : Informatics

巻 12, 号 3, p. 87, 発行日 2025-08-30

出版者

MDPI

言語

ISSN

収録物識別子タイプ

EISSN

収録物識別子

22279709

DOI

Versions

Ver.1

2025-10-17 06:41:10.600953

Show All versions

Cite as

Other

エクスポート

OAI-PMH

JPCOAR 2.0
JPCOAR 1.0
DublinCore
DDI

Other Formats