Prédiction des variations du cours du Bitcoin : Une approche basée sur l’analyse de données temporelles
Résumé
In this article, we explore the complexity of cryptocurrencies by focusing on predicting the price of Bitcoin, a key issue for investors. Using correlation analysis between Bitcoin price and various indicators, we developed four prediction models. The Random Forest model proved to be relevant, as it obtained a prediction of the Bitcoin price to within 18 dollars. As part of the challenge proposed by the EGC 2024 conference, this study also revealed unexpected correlations between anomalies between transactions of different actors and variations in the price of Bitcoin. Analysis of the transaction network also revealed surprising trends, such as the increase in the clustering coefficient during periods of Bitcoin growth and the decrease in the number of communities during its rises.
Dans cet article, nous explorons la complexité des cryptomonnaies en nous penchant sur la prédiction du cours du Bitcoin, un enjeu capital pour les investisseurs. En utilisant une analyse des corrélations entre le prix du Bitcoin et divers indicateurs, nous avons élaboré quatre modèles de prédiction. Le modèle forêt aléatoire s'est révélé pertinent, car il obtient une prédiction du cours du Bitcoin à 18 dollars près. Dans le cadre du défi proposé par la conférence EGC 2024, cette étude a également révélé des corrélations inattendues entre les anomalies entre les transactions de différents acteurs et les variations du prix du Bitcoin. L'analyse du réseau de transactions a également mis en lumière des tendances surprenantes, telles que l'augmentation du coefficient de clustering en période de croissance du Bitcoin et la diminution du nombre de communautés lors de ces hausses.