Тип публикации: статья из журнала
Год издания: 2026
Ключевые слова: time series forecasting, logarithmic return, bitcoin, arima, Sarimax, Naive model, Diebold Mariano test, validation, прогнозирование временного ряда, логарифмическая доходность, биткоин, алгоритм ARIMA, модель SARIMAX, наивная модель, тест Диболда-Мариано, валидация
Аннотация: в работе проведён сравнительный анализ статистических методов прогнозирования логарифмической доходности криптовалюты Bitcoin на данных пары BTC-USD за период 2017-2026 гг. Реализованы наивные базовые модели (случайное блуждание, скользящее среднее, дрейф) и модель ARIMA(1,0,0). Оценка качества выполнена по метрикам MAE и RMSE в раПоказать полностьюмках трёх стратегий валидации: Hold-out, Walk-forward и Rolling Out-of-Sample. Статистическая значимость различий в точности прогноза верифицирована тестом Диболда-Мариано. Установлено, что ARIMA(1,0,0) статистически значимо превосходит наивный базовый прогноз (p < 0.01), что свидетельствует о наличии слабой линейной авторегрессионной структуры в ряде логарифмической доходности Bitcoin. this paper presents a comparative analysis of statistical methods for forecasting Bitcoin logarithmic return using BTC-USD data for 2017-2026. Naive baseline models (random walk, moving average, drift) and ARIMA(1,0,0) model were implemented. Forecast quality was evaluated via MAE and RMSE metrics within three validation strategies: Hold-out, Walk-forward, Rolling Out-of-Sample. Statistical significance of forecast accuracy differences was verified using Diebold-Mariano test. It was established that ARIMA(1,0,0) statistically significantly outperforms naive baseline forecast (p < 0.01), indicating presence of weak linear autoregressive structure in Bitcoin logarithmic return series.
Журнал: Вестник науки
Выпуск журнала: Т.3, №7
Номера страниц: 174-186
Место издания: Тольятти
Издатель: Индивидуальный предприниматель Рассказова Любовь Федоровна