Bitcoin Price Prediction using Machine Learning and Combinatorial Fusion Analysis

Cet article propose l'application de l'analyse de fusion combinatoire (CFA) pour améliorer la prédiction des prix du Bitcoin en agrégeant divers modèles d'apprentissage automatique, obtenant ainsi une performance supérieure avec une erreur moyenne absolue en pourcentage (MAPE) de 0,19 %.

L'essentiel

Voici une explication simple et imagée de l'article de recherche, conçue pour être comprise par tout le monde, sans jargon technique compliqué.

Imaginez que vous essayez de prédire la météo pour demain. Si vous demandez à un seul expert, il peut se tromper. Mais si vous réunissez cinq experts différents (un météorologue, un satellite, un ancien de la région, un modèle informatique et un observateur de la mer) et que vous combinez leurs avis intelligemment, vous avez beaucoup plus de chances d'avoir raison.

C'est exactement ce que font les auteurs de cet article, mais au lieu de la météo, ils prévoient le prix du Bitcoin.

1. Le Problème : Le Bitcoin est imprévisible

Le Bitcoin est comme un cheval de course très nerveux. Son prix monte et descend brutalement. Essayer de deviner son prix demain est un défi immense. Les chercheurs ont essayé plein de méthodes (des formules mathématiques simples, des réseaux de neurones complexes), mais aucun modèle unique n'est parfait. Chaque modèle a ses forces et ses faiblesses, un peu comme un coureur qui est rapide sur la piste mais lent sur la boue.

2. La Solution Magique : La "Fusion Combinatoire" (CFA)

Au lieu de choisir le "meilleur" modèle, les auteurs ont décidé de tous les utiliser ensemble. Ils ont créé une méthode appelée Analyse de Fusion Combinatoire (CFA).

Voici comment cela fonctionne, étape par étape, avec une analogie :

• Les 5 Experts (Les Modèles de base) : Ils ont entraîné cinq intelligences artificielles différentes (SVM, Random Forest, XGBoost, CNN, LSTM). Chacune regarde les données (le prix de l'or, le cours de l'ETH, la force du dollar, etc.) avec un "œil" différent.
• Leur avis n'est pas un chiffre unique : Au lieu de dire "Demain, le Bitcoin vaudra 65 000 $", chaque modèle imagine une **fourchette de prix possibles** (une distribution). C'est comme si chaque expert disait : "Je pense que ce sera entre 60 000$ et 70 000 $, avec une forte probabilité autour de 65 000$".
• La Réunion de Conseil (La Fusion) : C'est ici que la magie opère. Au lieu de simplement faire la moyenne de leurs avis, ils utilisent une technique spéciale appelée CFA.
  • Ils regardent non seulement ce que les experts disent, mais aussi comment ils le disent.
  • Ils mesurent la diversité cognitive : Est-ce que les experts sont d'accord entre eux ? S'ils sont tous d'accord, c'est bien, mais s'ils ont des opinions très différentes (diversité), c'est encore mieux ! Pourquoi ? Parce que si l'un se trompe, les autres peuvent le corriger.
  • Ils combinent les avis en utilisant deux façons : soit en pondérant la note (le score de probabilité), soit en pondérant le classement (qui est le plus haut dans la liste).

3. Le Résultat : Une Précision Record

Après avoir fait cette "grande réunion" virtuelle de leurs 5 modèles, combinés de 26 manières différentes, ils ont obtenu un résultat incroyable.

• Leur score : Ils ont atteint une erreur moyenne de seulement 0,19 %.
• La comparaison : Imaginez que vous devez prédire le prix d'une maison de 100 000 $. Une erreur de 0,19$.
• Le record : Les autres méthodes de prédiction (même les plus avancées) avaient des erreurs beaucoup plus grandes (souvent autour de 0,40 % à 4 %). Leur méthode est donc deux fois plus précise que les meilleures techniques existantes.

4. Pourquoi ça marche si bien ?

L'idée clé est la complémentarité.

• Si vous avez un modèle qui est très bon quand le prix monte, et un autre qui est très bon quand le prix descend, les mettre ensemble crée un système qui ne panique pas dans les deux cas.
• La méthode CFA agit comme un chef d'orchestre très intelligent. Elle ne se contente pas de faire jouer les musiciens ensemble ; elle ajuste le volume de chacun en fonction de sa performance et de sa différence avec les autres, pour créer une symphonie parfaite.

En résumé

Les chercheurs ont créé un "super-prévisionniste" en assemblant cinq intelligences artificielles différentes. Au lieu de leur demander de deviner un seul chiffre, ils ont demandé à chacun de dessiner une carte des possibilités, puis ils ont utilisé une technique mathématique avancée pour fusionner ces cartes en une seule image très précise.

Le résultat ? Une prédiction du prix du Bitcoin si précise qu'elle bat tous les records précédents, offrant un outil puissant pour les investisseurs qui veulent savoir s'ils doivent acheter, vendre ou garder leurs Bitcoins.

Note : Les auteurs précisent tout de même que le futur reste incertain (surtout avec les élections américaines ou les décisions politiques), mais leur méthode est l'outil le plus fiable à ce jour pour naviguer dans cette mer agitée.

Résumé technique

Voici un résumé technique détaillé de l'article « Bitcoin Price Prediction using Machine Learning and Combinatorial Fusion Analysis » en français.

1. Problématique

La prédiction du prix du Bitcoin est un défi majeur en finance en raison de la volatilité extrême de l'actif et de la nature incertaine des marchés. Bien que de nombreuses études aient tenté de prédire la direction (classification) ou la valeur exacte (régression) du Bitcoin, les modèles d'apprentissage machine individuels (comme les réseaux de neurones ou les forêts aléatoires) présentent des forces et des faiblesses spécifiques qui limitent leur robustesse. L'objectif de cet article est de surmonter ces limitations en développant une approche de fusion de modèles capable de fournir une prédiction de prix plus précise et fiable pour le jour suivant.

2. Méthodologie

L'approche proposée repose sur une nouvelle paradigme d'apprentissage appelé Analyse de Fusion Combinatoire (Combinatorial Fusion Analysis - CFA). La méthodologie se déroule en quatre phases principales :

A. Préparation des Données

• Période : Du 11 mars 2020 au 9 mars 2024 (incluant la période post-COVID pour capturer les tendances significatives).
• Données d'entrée : Le prix du Bitcoin est prédit en utilisant des caractéristiques variées :
  • Prix de l'ETH et de l'Or.
  • Taux de hachage (Hashrate) du réseau Bitcoin.
  • Indices financiers : S&P 500, VIX (incertitude), rendement des obligations US, force du dollar.
  • Prix d'actions technologiques : Nvidia (lié au matériel minier) et Tesla (influence d'Elon Musk).
  • Indicateurs techniques : EMA et MACD.
• Traitement : Les données manquantes (fréquence hebdomadaire vs journalière) sont comblées par remplissage avant (forward-fill). Les données sont normalisées dans l'intervalle [0, 1].

B. Modèles de Base (Ensemble)

Cinq modèles d'apprentissage machine distincts sont entraînés pour garantir une diversité cognitive :

1. SVM (Support Vector Machines)
2. Random Forest (Forêt Aléatoire)
3. XGBoost
4. CNN (Réseaux de Neurones Convolutifs)
5. LSTM (Long Short-Term Memory)

Au lieu de prédire une valeur déterministe unique, chaque modèle génère une distribution de prix normale (moyenne = prix prédit, écart-type dérivé de l'ensemble de test) pour représenter l'incertitude.

C. Fusion Combinatoire (CFA)

C'est le cœur de l'innovation. La CFA combine les prédictions des modèles en utilisant :

• Fonctions de Score et de Rang : Chaque modèle génère un score et un rang pour les prix potentiels.
• Diversité Cognitive (CD) : Mesurée par la distance entre les fonctions de caractéristique Rang-Score (RSC) des modèles. Une haute diversité signifie que les modèles commettent des erreurs différentes, ce qui est bénéfique pour la fusion.
• Stratégies de Combinaison :
  • Combinaison moyenne (Average Combination - AC).
  • Combinaison pondérée par la force de diversité (Weighted Combination by Diversity Strength - WCDS).
  • Combinaison pondérée par la performance (non utilisée ici car difficile à calculer sur des distributions).
• Processus : L'étude génère 26 groupes uniques de modèles (de paires à l'ensemble des 5 modèles). Chaque groupe est combiné via 4 stratégies (Score/Rang × Moyenne/Pondéré), créant 104 modèles de combinaison potentiels. Le prix final est déterminé par la valeur ayant la probabilité la plus élevée après fusion.

3. Contributions Clés

• Première application de la CFA au Bitcoin : C'est la première étude à appliquer l'analyse de fusion combinatoire spécifiquement pour prédire le prix journalier du Bitcoin.
• Approche probabiliste : Passage d'une prédiction de valeur unique à la génération de distributions de probabilité, permettant une meilleure gestion de l'incertitude.
• Exploitation de la diversité cognitive : Utilisation systématique de la mesure de diversité entre les modèles pour pondérer leur contribution, plutôt que de simplement moyenner les résultats.
• Performance supérieure : Démonstration que la fusion de modèles hétérogènes surpasse significativement les modèles individuels et l'état de l'art.

4. Résultats

Les performances ont été évaluées sur un ensemble de test de 292 jours à l'aide de deux métriques : l'Erreur Quadratique Moyenne (RMSE) et l'Erreur Absolue Moyenne en Pourcentage (MAPE).

• Précision (MAPE) :
  • Le meilleur modèle individuel (Random Forest) a atteint un MAPE de 1,20 %.
  • La méthode proposée (Combinaison Moyenne des Scores - AC) a atteint un MAPE de 0,19 %.
  • Ce résultat est environ 10 fois meilleur que les modèles individuels et supérieur aux meilleures études antérieures (qui variaient entre 0,245 % et 4,49 %, comme le modèle VMD-AGRU-RESVMD-LSTM à 0,394 %).
• Robustesse (RMSE) :
  • Le RMSE le plus bas pour la combinaison moyenne est de 175,22, contre 738,21 pour le meilleur modèle individuel.
• Amélioration journalière :
  • Les stratégies de combinaison ont amélioré la prédiction par rapport aux modèles de base sur plus de 200 jours sur les 292 jours testés.
  • La combinaison pondérée par la diversité cognitive (WCDS) a montré des améliorations sur 258 jours, prouvant l'efficacité de l'approche basée sur la diversité.

5. Signification et Conclusion

Cette étude démontre que la fusion de modèles hétérogènes via l'Analyse de Fusion Combinatoire (CFA) est une méthode puissante pour la prédiction financière. En exploitant la complémentarité des erreurs des différents algorithmes (diversité cognitive), l'approche proposée dépasse les limites de performance des modèles uniques.

• Impact : La méthode offre un cadre robuste pour la prise de décision d'investissement, réduisant considérablement l'erreur de prédiction.
• Limites et Futur : L'utilisation de l'écart-type de l'ensemble de test pour générer les distributions normales pourrait entraîner une fuite de données (data leakage). Les travaux futurs intégreront l'analyse de sentiment des consommateurs et exploreront des cadres CFA multi-couches pour affiner davantage les prédictions.

En résumé, cet article valide que l'agrégation intelligente de modèles d'apprentissage machine, guidée par la diversité cognitive, est supérieure aux approches monolithiques pour la prédiction de la volatilité du Bitcoin.