데이콘 비트코인 트레이더 시즌2 스터디

프로젝트 개요

프로젝트 과정 : 인천대학교 산업경영공학과 캡스톤 디자인(공과대학 졸업 작품)
프로젝트 명 : 머신러닝을 통한 비트코인 가격 예측
프로젝트 기간 : 21.04.01 ~ 21.05.31

___

프로젝트 수행 목적

본 '머신러닝을 통한 비트코인 가격예측' 프로젝트는 인천대학교 산업경영공학과 4학년 재학생들의 졸업 작품을 위해 시작한 프로젝트입니다. 가급적 교내 문제가 아닌 실생활에서 접근가능한 문제를 다루는 것에 초점을 맞추었으며, 최근 이슈가 되고 있는 비트코인에 대해 다뤄보는 것이 좋겠다라는 목적으로 해당 프로젝트를 시작하게 되었습니다.

이로써 산업경영공학 졸업작품을 위해 데이콘 인공지능 비트 트레이더 경진대회에 참가하였습니다. 결과적으로 좋은 성과를 거두지는 못하였느나, 학문적으로 다양한 접근을 시도해보았다는 점에 의미를 두고 봐주시면 감사하겠습니다.

본 프로젝트의 구성은 아래와 같습니다.

Chapter. 1 - EDA
Chapter. 2 - Season 1 pilot
Chapter. 3 - Personal modeling prediction
Chapter. 4 - Data preprocess
Chapter. 5 - Pytorch modeling prediction
Chapter. 6 - Experiments & Simulation
Reference

프로젝트 설명

본 프로젝트 수행은 이 문제는 Forecasting problem이라는 가정하에 진행하였습니다. 프로젝트 초기에는 EDA를 통해 이번 프로젝트에서 다룰 데이터에 대해 이해를 하였습니다. (일반적인 가격 데이터 이외에 직관적으로 이해하기 어려운 데이터들이 존재하였기에 수행하였습니다) 또한, 시즌1 이 존재하였기에 기존 팀들은 이 문제에 대해 어떻게 접근하였는지 살펴보았고 이후 기본적인 ARIMA 와 Prophet 모델을 기준으로 두고 이후 Pytorch framework와 Tensorflow framework를 바탕으로 Neural Netwokr 모델들도 수행하였습니다.

수행과정을 간단히 설명드리자면, 딥 뉴럴 네트워크 모델들(LSTM, Conv1d, Seq2Seq)의 능력이 기본 모델인 ARIMA와 Prophet 모델들에 비해 탁월하지 않았습니다. 그래서 저희는 가격 데이터 변동폭이 너무 커서 일반적인 forecasting modeling을 바로 할 수 없다고 판단하여 추가적인 data handling을 하였습니다. (simple exponential smoothing과 moving average smoothing 그리고 data discretize 를 해보았습니다. 추가로 Fractional differencing을 해보기도 하였으나 ARIMA 모델에서만 다뤄봤습니다)

data handling 이후에는 보다 나은 결과가 있을 수 있다고 생각하였으나 코인 데이터의 변동을 설명하기에는 역부족이었습니다. 결론적으로 여러 실험을 해보았으나 부분적으로 라도 예측가능한 모델링을 수행하지는 못하였습니다.

프로젝트 발표영상

youtube link : https://www.youtube.com/watch?v=-ZSlri43b5A

Chapter. 1 - EDA(Exploratory Data Analysis)

train_x_df EDA 과정 설명

sample_id : 한 시퀀스 샘플, 한 시퀀스는 1380분의 시계열 데이터로 구성 아래 예시

Figure. 데이터 샘플 예시

In one sample, dataset description

X : 1380분(23시간)의 연속 데이터
Y : 120분(2시간)의 연속 데이터
23시간 동안의 데이터 흐름을 보고 앞으로의 2시간 데이터를 예측하는 것
sample_id는 7661개의 세트 구성, 각 세트는 독립적인 dataset
coin_index는 총 10개 종류로 구성(index number is 0 ~ 9)

코인별 샘플 개수

각 코인별로 샘플 개수는 다름
9, 8번의 샘플 수가 가장 많음

Figure. 코인 인덱스 별 데이터 샘플 개수

모르는 데이터 피쳐 조사

'Volume' - ' Taker buy base asset volume' = ' Maker buy base asset volume'

source by : https://www.binance.kr/apidocs/#individual-symbol-mini-ticker-stream

quote asset volume = coin volume / btc volume

quote asset volume = Volume expressed in quote asset units. For pair DOGE/ BTC the volume is shown in BTC , instead of DOGE.

예시) 가상화폐/거래화폐에서 거래화폐의 양
한국돈으로 돌고돌아 계산(100만)
ex) btc/usdt 면 usdt의 가치 57000*1200에서의 qav = 100만/1200 => 8만xxx
btc/krw면 btc의 가치 7400만에서의 qav = 100만
tb_base_av
coin / xxxxx
volume / quote_av
0 = 19.xxxxx
1 = 0.028xxxxx
2 = 0.268xxxxx
3 = 0.238 xxxxx
4 = 2.1312xxxx
5 = 52.1123xxxx(maximum coin)
6= 0.22421
7= 19.3821
8 = 0.003426
9 = 0.00013(minimum coin)
====> 작을수록 비싼 코인으로 추정

Open price outlier problem

샘플 내 outlier 너무 빈도가 적고, regression으로 학습하기 어려움(raw, smoothing, log smoothing 별 차이 없음)

Figure. open price distribution plot

Figure. price box plot

open price outlier detection tempary method code

for temp_arr in outlier_arr:
    plt.plot(temp_arr, label = 'True series')
    plt.ylim(open_arr.min(), open_arr.max())
    plt.legend()
    plt.show()

filtered_y_df = raw_y_df[~raw_y_df["sample_id"].isin(outlier_list)]

Figure. outlier range boxplot

EDA code

coin eda code link : here

Data handling memo

greedy feature add based on taker volumn data

''' greedy feature handleing'''
# test_df = train_x_df[train_x_df['volume'] != 0]
# test_df['rest_asset'] = test_df['volume'] - test_df['tb_base_av']
# test_df['greedy'] = test_df['tb_base_av'] / test_df['volume']

# test_df2 = test_df[['time', 'coin_index', 'open', 'high', 'low', 'close', 'volume', 'trades', 'tb_base_av','rest_asset', 'greedy']]
# test_df2[['coin_index','trades', 'volume', 'tb_base_av','rest_asset', 'greedy']].head()
# test_df2[test_df2['greedy'] == 1][['coin_index','trades', 'volume', 'tb_base_av','rest_asset', 'greedy']].head()

변동폭 feature add based on high and low price difference

print(
    f'''
    {df.high.max()}
    {df.low.max()}
    {df.open.max()}
    {df.close.max()}
    
    
    {df.high.min()}
    {df.low.min()}
    {df.open.min()}
    {df.close.min()}
    
    '''
    
    ''' high - low = 변동폭 \n'''
    ''' 음봉양봉 구분 추가 가능'''
)

Chapter. 2 - Season 1 model pilot

sample id = 0, open data series로만 모델링 진행

ARIMA modeling

ARIMA arg meanings : https://otexts.com/fppkr/arima-forecasting.html
ARIMA python code

# ARIMA model fitting : model arguments 는 임의로 진행
model = ARIMA(x_series, order=(3,0,1))
fit  = model.fit()
pred_by_arima = fit.predict(1381, 1380+120, typ='levels')

Prophet modeling

Time Series Forecasting — ARIMA vs Prophet : https://medium.com/analytics-vidhya/time-series-forecasting-arima-vs-prophet-5015928e402a
facebook github : https://facebook.github.io/prophet/docs/quick_start.html
prophet 설명 블로그 : https://zzsza.github.io/data/2019/02/06/prophet/
prophet python code

# pprophet 모델 학습 
prophet = Prophet(seasonality_mode='multiplicative', 
                  yearly_seasonality=False,
                  weekly_seasonality=False, daily_seasonality=True,
                  changepoint_prior_scale=0.06)
prophet.fit(x_df)

future_data = prophet.make_future_dataframe(periods=120, freq='min')
forecast_data = prophet.predict(future_data)

result plot

Figure. season 1 model pilot

season 1 pilot code

season 1 pilot code link : here

Chapter. 3 - Personal modeling prediction

기존의 driving 방식처럼 trian_x에서 open column만 활용하여 yhat predict함.

ARIMA trial

우선 기존 ARIMA 방법을 Baseline으로 잡고, 진행
hyperparameter p,d,q는 임의로 잡음

ARIMA python code

def train(x_series, y_series, args):
    
    model = ARIMA(x_series, order=(2,0,2))
    fit  = model.fit()
    
    y_pred = fit.predict(1381, 1380+120, typ='levels')
    error = mean_squared_error(y_series, y_pred)
    plotting(y_series, y_pred, args.sample_id)

    return error*10E5

result

Figure. open price ARIMA prediction plot

Colab link : https://colab.research.google.com/drive/1x28Mi9MSqqkSTO2a8UU0wXDzgXNy2WT9?usp=sharing

Prophet trial

hyperparameter는 임의로 설정, seasonality는 코인 데이터가 addtitive 보다는 multiplicative가 적합하다고 판단

prophet python code

prophet= Prophet(seasonality_mode='multiplicative',
                  yearly_seasonality='auto',
                  weekly_seasonality='auto', daily_seasonality='auto',
                  changepoint_range=0.9,  
                  changepoint_prior_scale=0.1  # 오버피팅, 언더피팅을 피하기 위해 조정
                )

prophet.add_seasonality(name='first_seasonality', period=1/12, fourier_order=7) # seasonality 추가
prophet.add_seasonality(name='second_seasonality', period=1/8, fourier_order=15) # seasonality 추가

prophet.fit(x_df)

future_data = prophet.make_future_dataframe(periods=120, freq='min')
forecast_data = prophet.predict(future_data)

sample_id = 1, dataset 예측 결과

Figure. open price prophet prediction plot

Colab link : https://colab.research.google.com/drive/1dDf6AIln31catWWDsrB_lbL-0M5DsZTd?usp=sharing

Neural Prophet trial

hyperparameter 임의로 잡음, seasonality mode는 이전 prophet model처럼 mulplicative로 진행

neural prophet python code

def prophet_preprocessor(x_series):
    
    # start time initialization
    start_time = '2021-01-01 00:00:00'
    start_dt = datetime.datetime.strptime(start_time, '%Y-%m-%d %H:%M:%S')

    # datafram 만들기
    x_df = pd.DataFrame()
    # 분당 시간 데이터 시리즈 입력
    x_df['ds'] = [start_dt + datetime.timedelta(minutes = time_min) for time_min in np.arange(1, x_series.shape[0]+1).tolist()]
    # 가격 데이터 시리즈 입력
    x_df['y'] = x_series.tolist()

    return x_df


def train(x_series, y_series, **paras):
    
    x_df = prophet_preprocessor(x_series)
    
    model = NeuralProphet(
                          n_changepoints = paras['n_changepoints'],
                          changepoints_range = paras['changepoints_range'],
                          num_hidden_layers = paras['num_hidden_layers'],
            
                          learning_rate = 0.1, epochs = 40, batch_size = 32,
                          seasonality_mode = 'multiplicative', 
                          yearly_seasonality = False, weekly_seasonality = False, daily_seasonality = False,
                          normalize='minmax'
                         )
    
    model.add_seasonality(name='first_seasonality', period=1/24, fourier_order=5) 
    model.add_seasonality(name='second_seasonality', period=1/12, fourier_order=10)

    metrics = model.fit(x_df, freq="min")

    future = model.make_future_dataframe(x_df, periods=120)
    forecast = model.predict(future)
    error = mean_squared_error(y_series, forecast.yhat1.values[-120:])

    return error

Colab link : https://colab.research.google.com/drive/1E38kkH2mfFgnGKj89t2mLZV6xg7rPQl8?usp=sharing

Fractional differencing ARIMA trial

일반적으로, 차분을 해버리면 시즈널이 생기지만 그 만큼 기존 데이터가 변형되어 정보 손실이 생김. 이를 커버하기 위해, 실수 차분의 개념이 도입
실수 차원의 차분 시계열 : https://m.blog.naver.com/chunjein/222072460703

fractional differecing ARIMA code

#차분용 함수
def getWeights_FFD(d, size, thres):
    w = [1.]  # w의 초깃값 = 1

    for k in range(1, size):

        w_ = -w[-1] * (d - k + 1) / k  # 식 2)를 사용했다.

        if abs(w[-1]) >= thres and abs(w_) <= thres:
            break
        else:
            w.append(w_)

    # w의 inverse
    w = np.array(w[::-1]).reshape(-1, 1)
    return w


def fracDiff_FFD(series, d, thres=0.002):
    '''
    Constant width window (new solution)

    Note 1: thres determines the cut-off weight for the window
    Note 2: d can be any positive fractional, not necessarily bounded [0,1]
    '''

    # 1) Compute weights for the longest series
    w = getWeights_FFD(d, series.shape[0], thres)

    width = len(w) - 1

    # 2) Apply weights to values
    df = []
    seriesF = series

    for iloc in range(len(w), seriesF.shape[0]):
        k = np.dot(w.T[::-1], seriesF[iloc - len(w):iloc])
        df.append(k)

    df = np.array(df)
    return df, w

# 실수 차분 예시
x_series = train_x_array[idx,:,data_col_idx]

# fractional differecing 
fdiff, fdiff_weight = fracDiff_FFD(x_series, d=0.2, thres=0.002)
differencing_x_series = fdiff.reshape(fdiff.shape[0],)

# ARIMA modeling
model = ARIMA(differencing_x_series, order =(2,0,2))
fitted_model = model.fit()
pred_y_series = fitted_model.predict(1,120, type='levels')

# scale control : 실수 차분을 하면 시계열성 및 정보는 어느 정도 보존되지만, 데이터 스케일이 달라짐. 1380분의 데이터가 1이 되도록 맞춰줌.
first_value = pred_y_series[0]
scale_controler = 1 / first_value
scaled_pred_y_series = scale_controler * pred_y_series

Colab link : https://colab.research.google.com/drive/19hrQP6nI-KgVwWu9Udp2fbntYCjpnHG9?usp=sharing

Keras RNN models trial

비슷한 방식으로 open 가격 데이터만이 아닌, feature까지 활용해서 driving
keras moduler LSTM 이랑 GRU 시도

keras LSTM code

#모델학습
class CustomHistory(keras.callbacks.Callback):
    def init(self):
        self.train_loss = []
        self.val_loss = []
        
    def on_epoch_end(self, batch, logs={}):
        self.train_loss.append(logs.get('loss'))
        self.val_loss.append(logs.get('val_loss'))


def train(x_train, y_train, n_epoch, n_batch, x_val, y_val):

    #모델
    model = Sequential()
    model.add(LSTM(128, return_sequences=True, input_shape= (x_train.shape[1],x_train.shape[2] )))
    model.add(LSTM(64, return_sequences=False))
    model.add(Dense(25, activation='relu'))
    model.add(Dense(1))

    # 모델 학습과정 설정하기
    model.compile(loss='mean_squared_error', optimizer='adam')

    # 모델 학습시키기
    custom_hist = CustomHistory()
    custom_hist.init()

    #모델 돌려보기
    model.fit(x_train, y_train, epochs=n_epoch, batch_size=n_batch, shuffle=True, callbacks=[custom_hist], validation_data=(x_val, y_val), verbose=1)

    return model

result

Figure. Keras LSTM predition plot

Colab link : https://colab.research.google.com/drive/1oCCXpJSlLXDs6x968eYrIPQtzEo0klMq?usp=sharing

keras GRU code

# GRU로도 시도 해봄.
model = keras.models.Sequential(
    [
     keras.layers.Bidirectional(layers.GRU(units = 50, return_sequences =True), input_shape=(x_frames, 1)), 
     keras.layers.GRU(units = 50),
     keras.layers.Dense(1)
    ]
)

model.compile(optimizer='adam', loss='mse')
model.summary()

result

Figure. Keras GRU predition plot

Colab link : https://colab.research.google.com/drive/1w2GZXVXSjRX-tlI49WAcC77szQaK_H6R?usp=sharing

Chapter. 4 - Data preprocess

Data smoothing

이후, DNN 계열의 모델링을 시도했으나, 제대로 regression이 되지 않음. -> 기존 데이터는 너무 진폭이 심해서 모델이 regression을 하기 어렵다고 판단함
smoothing method 1 : simple exponential smoothing

Exponential smoothing is a time series forecasting method for univariate data that can be extended to support data with a systematic trend or seasonal component. It is a powerful forecasting method that may be used as an alternative to the popular Box-Jenkins ARIMA family of methods.

smoothing method 2 : moving average

Smoothing is a technique applied to time series to remove the fine-grained variation between time steps. The hope of smoothing is to remove noise and better expose the signal of the underlying causal processes. Moving averages are a simple and common type of smoothing used in time series analysis and time series forecasting.

smoothing python code

def simple_exponetial_smoothing(arr, alpha=0.3):
    
    y_series = list()
    
    for temp_arr in arr:
        target_series = temp_arr[:, 1].reshape(-1) # open col is 1 index

        smoother = SimpleExpSmoothing(target_series, initialization_method="heuristic").fit(smoothing_level=0.3,optimized=False)
        smoothing_series = smoother.fittedvalues
        
        y_series.append(smoothing_series)
    
    return np.array(y_series)


def moving_average(arr, window_size = 10):
    
    #length = ma 몇 할지
    length = window_size
    ma = np.zeros((arr.shape[0], arr.shape[1] - length, arr.shape[2]))

    for idx in range(arr.shape[0]):
        for i in range(length, arr.shape[1]):
            for col in range(arr.shape[2]):
                ma[idx, i-length, col] = arr[idx,i-length:i, col].mean() #open
            
    return ma[:, :, 1] # open col is 1

smoothing result

Figure. price data smoothing plot

Data discretize

y값 open 데이터가 진폭이 너무 큰 outlier 데이터가 너무 많아서, true y을 prediction 하는 것보다 y 값의 패턴 양상만을 학습하는 방법으로 바꿔 driving
discretize method : KBinsdiscretizer library(in scikit-learn)

kbinsdiscretizer python code

from sklearn.preprocessing import KBinsDiscretizer
kb = KBinsDiscretizer(n_bins=10, strategy='uniform', encode='ordinal')
kb.fit(open_y_series)
#  이때 `bin_edges_` 메소드를 이용하여 저장되어진 경계값을 확인할 수 있다.
print("bin edges :\n", kb.bin_edges_ )

Discretize result

Figure. kbinsdiscretizer before & after plot

Data log normalization

데이터 인풋 시 open data 이외에 다른 feature을 같이 활용하기 위해, 다음과 같은 방법으로 normalization을 취해줌. 일반적인 scikit-learn normalizizer은 바로 사용하기에는 대회 내에서 1380분일 때의 open price를 1로 수정하면서 전반적인 전처리가 이미 한번 된 상태이기 때문에 해당 방법을 사용함.
log normalizer python code

data = data.apply(lambda x: np.log(x+1) - np.log(x[self.x_frames-1]+1))

시계열 데이터 정규화 방법 출처 : https://github.com/heartcored98/Standalone-DeepLearning/blob/master/Lec8/Lab10_Stock_Price_Prediction_with_LSTM.ipynb(2019 KAIST 딥러닝 홀로서기 )

Chapter. 5 - Pytorch modeling

Pytorch LSTM trial

Only coin 9, smoothing & LSTM

condition
- Only coin 9 data use
- Data preprocess - simple exponential smoothing
- LSTM layer is 1

pytorch LSTM python code

class LSTM(nn.Module):
    
    def __init__(self, input_dim, hidden_dim, output_dim, num_layers, dropout, use_bn):
        super(LSTM, self).__init__()
        self.input_dim = input_dim 
        self.hidden_dim = hidden_dim
        self.output_dim = output_dim
        self.num_layers = num_layers

        self.dropout = dropout
        self.use_bn = use_bn 
        self.lstm = nn.LSTM(self.input_dim, self.hidden_dim, self.num_layers)

        self.regressor = self.make_regressor()
        
    def init_hidden(self, batch_size):
        return (torch.zeros(self.num_layers, batch_size, self.hidden_dim),
                torch.zeros(self.num_layers, batch_size, self.hidden_dim))
    
    def make_regressor(self):
        layers = []
        if self.use_bn:
            layers.append(nn.BatchNorm1d(self.hidden_dim))
        layers.append(nn.Dropout(self.dropout))
        
        layers.append(nn.Linear(self.hidden_dim, self.hidden_dim))
        layers.append(nn.ReLU())
        layers.append(nn.Linear(self.hidden_dim, self.output_dim))
        regressor = nn.Sequential(*layers)
        return regressor
    
    def forward(self, X):
        lstm_out, self.hidden = self.lstm(X)
        y_pred = self.regressor(lstm_out[-1].view(X.shape[1], -1))
        return y_pred

모델 학습 방법 시각화

Figure. Multistep LSTM modeling(source by : tensorflow tutorial)

result

modeling 내 한번에 120개의 y값을 출력시, 다음 그림처럼 패턴에 상관없이 같은 y값을 출력하게 됨. -> 실패

Figure. coin9 LSTM prediction

Colab link : https://colab.research.google.com/drive/1I0Arck8qkV4FTXnOOYMxkpZGIRKCGj7J?usp=sharing

Only coin 9, Slicing & LSTM

이후, 한 샘플 내 데이터를 slicing 해서 과거 120 time-series 로 이후 120 time-series를 예측하는 모델로 변형해봤지만 실패.

one sample data slicing python code

class WindowGenerator():
    ''' Dataset Generate'''
    def __init__(self, input_width, label_width, stride, data_arr, column_indices = column_indices,
                 shfit = None, label_columns=None):
    
        # Store the raw data
        self.data_arr = data_arr
        # Work out the label column indices.
        self.label_columns = label_columns
        if label_columns is not None:
            self.label_columns_indices = {name: i for i, name in enumerate(label_columns)}
        self.column_indices = column_indices
                
        # Work out the window parameters.
        self.input_width = input_width
        self.label_width = label_width
        self.shift = 1
        if shfit is not None:
            self.shift = shfit
        self.stride = stride
        
        self.label_start = self.input_width + self.shift
        self.total_window_size = self.label_start + self.label_width
        
        # input, label indices
        self.input_slice = slice(0, self.input_width)
        self.input_indices = np.arange(self.total_window_size)[self.input_slice]
        
        self.labels_slice = slice(self.label_start, None)
        self.label_indices = np.arange(self.total_window_size)[self.labels_slice]
        
        self.X_arr, self.y_arr = self.split_windows()
        
    def __repr__(self):
        return '\n'.join([
            f'Total window size: {self.total_window_size}',
            f'Input indices: {self.input_indices}',
            f'Label indices: {self.label_indices}',
            f'Label column name(s): {self.label_columns}'
        ])

    def split_windows(self):

        X, y = list(), list()
        sample_length = int(self.data_arr.shape[0])
        split_length = int((self.data_arr.shape[1] - self.total_window_size)/self.stride) + 1
        
        for temp_id in range(sample_length):
            for i in range(split_length):
                
                X.append(self.data_arr[temp_id, (i*self.stride) : (i*self.stride)+self.input_width])
                y.append(self.data_arr[temp_id, (i*self.stride)+self.label_start : (i*self.stride)+self.total_window_size])

        return np.array(X), np.array(y)

    def __len__(self):
        return len(self.X_arr)

    def __getitem__(self, idx):
        
        X = self.X_arr[idx, :, :]
        y = self.y_arr[idx, :, :]

        return X, y

Colab link : https://colab.research.google.com/drive/11s1KCtT8NPvsaOR-1mYaR66lneQ1yxU7?usp=sharing

All coin, Log norm & LSTM

이후, 모든 코인으로 확장해서 재적용 시도

condition
1. all coin data use
2. No data preprocess
3. log normalization
4. LSTM layer is 1

result

이전 모델 구조는 그대로 진행하였고, 데이터 세트만 기존에 9번 코인 데이터에서 코인에 상관없이 모든 데이터 세트를 적용함. -> 어차피 코인별 각기 다른 데이터 패턴 양상이 아닌, 코인과 무관하게 가격 데이터의 움직임은 그냥 일정 패턴 별로 나뉠 것으로 예상 -> 제대로 된 학습조차 안 되며, 코인 가격 자체가 seasonal아 아예 없어서 LSTM regression이 무의미한 것으로 판정

Figure. LSTM prediction with all coin data

Colab link : https://colab.research.google.com/drive/1blDNKqxy6GvTkR-rq8pjn9eUL0IUpShi?usp=sharing

All coin, outlier remove & LSTM

이후, all coin regression시, 시즈널이 아예 벗어나는 데이터들 때문에 학습이 안되는 것이라 판단하여 y series 중에서 min-max range가 특정 기준(outlier criteria)가 넘는 샘플은 제외하고 학습 시도

outlier remove python code

def outlier_detecter(raw_y_arr, outlier_criteria = 0.03):

    open_arr = raw_y_arr[:, :, 1] #open col is 1

    outlier_list = []
    openrange_list = []

    for idx, temp_arr in enumerate(open_arr):
    
        temp_min = temp_arr.min()
        temp_max = temp_arr.max()
        temp_arr_range = temp_max - temp_min
        openrange_list.append(temp_arr_range)

        if temp_arr_range > outlier_criteria:
            outlier_list.append(idx)
            print(f'{idx}번째 open series is outlier sample!')
            print(f'temp array range is {temp_arr_range:.3}\n')
            

    return outlier_list, np.array(openrange_list)

Figure. outlier remove & LSTM prediction

All coin, kbinsdiscretize & LSTM

outlier를 굳이 제거하지 않고, 예측해야 할 y series를 계층화시켜서 패턴을 학습시키면 몇 개의 패턴으로 예측가능할 것으로 생각했으나 실패 -> 이런 방법으로 적용시, classification문제로 변형되어 푸는 것이 맞을 듯 싶음.

kbindiscretize python code

def kbin_discretizer(input_array):

    kb = KBinsDiscretizer(n_bins=10, strategy='uniform', encode='ordinal')
    processed_data = np.zeros((input_array.shape[0], input_array.shape[1], 1))
    
    for i in range(input_array.shape[0]):
        # coin_index_export args : (input_array, coin_num)
        globals()['processing_array{}'.format(i)] = input_array[i,:,1]
        
        #globals()['outliery_array{}'.format(i)] = train_y_array[outlier[i],:,1]
        kb.fit(globals()['processing_array{}'.format(i)].reshape(input_array.shape[1],1))
        globals()['processed_fit{}'.format(i)] = kb.transform(globals()['processing_array{}'.format(i)].reshape(input_array.shape[1],1))
        
        #globals()['outliery_fit{}'.format(i)] = kb.transform(globals()['outliery_array{}'.format(i)].reshape(120,1))
        processed_data[i,:,:] = globals()['processed_fit{}'.format(i)]
        
    return processed_data

All coin, log norm & Conv1d-LSTM(모델 변경)

기존 LSTM 방법으로는 너무 데이터 시퀀스가 길어서(lstm time sequence length = 1380)모델이 학습하기 어렵다고 생각하여, Conv1d로 특정 구간씩 split하여 특징을 추출하고 이를 LSTM에 반영하면 학습이 가능해질 수 있다고 생각하여 driving

Conv1d-LSTM modeling code

class CNN_LSTM(nn.Module):
    
    def __init__(self, input_dim, hidden_dim, output_dim, n_layers):
        super(CNN_LSTM, self).__init__()
    
        self.input_dim = input_dim
        self.hidden_dim = hidden_dim
        self.output_dim = output_dim
        self.num_layers = n_layers

        self.conv1 = nn.Conv1d(args.input_dim, args.hidden_dim, kernel_size = 10)
        self.pooling1 = nn.MaxPool1d(2, stride = 5)
        self.conv2 = nn.Conv1d(args.hidden_dim, args.hidden_dim // 2, kernel_size = 5)
        self.pooling2 = nn.MaxPool1d(4, stride = 4)
        
        self.norm = nn.BatchNorm1d(32)
        
        self.lstm = nn.LSTM(32, 128, self.num_layers, batch_first = True, bidirectional = True)
        self.linear = nn.Linear(256, args.output_dim)
        self.flatten = nn.Flatten()
        
    def init_hidden(self, batch_size):
        return (torch.zeros(self.num_layers, batch_size, self.hidden_dim),
                torch.zeros(self.num_layers, batch_size, self.hidden_dim))
    
    
    def forward(self, X):
        
        # input은 (Batch, Feature dimension, Time_step)순
        output = F.relu(self.conv1(X))
        output = self.pooling1(output)
        output = F.relu(self.conv2(output))
        output = self.pooling2(output)
        # output = self.flatten(output)

        # [Batch_size, Seq_len, Hidden_size]
        # x_input.reshape(1, -1, self.output_dim
        # torch.Size([16, 32, 135])
        # torch.Size([16, 135, 32])
        
        output, self.hidden = self.lstm(output.reshape(args.batch_size, -1, 32))
        y_pred = self.linear(output[:, -1, :])
        
        return y_pred

Figure. Conv1d-LSTM prediction

RNN 모델링 결론

normalization이나 smoothing의 문제가 아닌, 애초에 데이터가 주기성이 없어서 샘플 별로 데이터를 regression 하는 방법의 방향이 틀림.
LSTM과 같은 RNN 계열의 모델들은 패턴을 학습하는 것으로, onestep이 아닌 multistep에서는 너무 동일한 결과를 출력하게 됨.
해당 문제를 특정 패턴을 학습하게 하기 위해서는, discretize시켜서 classification 문제로 접근하는 것도 하나의 방법(향후 시즌3에서 검토)
regression 문제로 풀기 위해서는 일반적인 time-series forcasting 모델(ARIMA or Prophet)처럼 한 샘플 내 open data seriees를 가지고 onestep씩 학습 후 이를 target length(120min)만큼 loop하여 시도해야 함(향후 시즌3에서 검토)

Chapter. 6 - Experiments & Simulation

Experiment list

ARIMA Experiment code : here
Neural Prophet codes
1. Basic : here
2. Grid search : here
3. Best parameter : here
4. Experiment : here
Pytorch Study
1. LSTM & Kbins regressor : here
2. LSTM & log norm regressor : here
3. Seq2Seq regressor : here
4. Conv1d-LSTM classifier : here
Pytorch Colabs
1. LSTM & smoothing : https://colab.research.google.com/drive/1uXBoRAMEza3Q0MRIrY33FKDJmN3lSKsi?usp=sharing
2. Conv1d-LSTM : https://colab.research.google.com/drive/1UfPfdf6WSuYl4JYR2lMgdqRq7rAW8qIz
3. LSTM & outlier remover : https://colab.research.google.com/drive/1lnj7t92-yEGE-U4NngMSIyu72pgvSQ34?usp=sharing
4. LSTM & log normal : https://colab.research.google.com/drive/1blDNKqxy6GvTkR-rq8pjn9eUL0IUpShi?usp=sharing

※ 혹시 경로변경으로 링크가 안 열릴 수도 있어서 폴더 링크를 따로 남깁니다. Colabs 노트북 폴더 링크 :https://drive.google.com/drive/folders/1UNQQqKb_b2bhm7vpyjj_WZbtko4LFuBY?usp=sharing

Simulation program

Coin investing simulator code : here

이후 시즌 3 진행 방향

modeling - Data dicretize & classification driving

해당 문제를 최고점 패턴 분류 모델로 변형하여 학습
y값 구간 내 open price 최고점을 labling
모델은 1380분 간의 input 패턴에 따라, 최고점인 lable을 분류
Pytorch Conv1d + bidirectional LSTM

modeling - Open data series regression by one sample

일반적인 time-series forcasting 모델(ARIMA or Prophet)처럼 한 샘플 내 open data seriees를 가지고 onestep씩 학습 후 이를 target length(120min)만큼 looping
smoothing 및 fractional differecing, log normalization 적용
moving average 재적용
특정 분류 불가할 것 같은 outlier data sample remove
Pytorch Conv1d + bidirectional LSTM

메모

Residual modeling

시계열 분석에서는 다음 값을 예측하는 대신 다음 타임스텝에서 값이 어떻게 달라지는 지를 예측하는 모델을 빌드하는 것이 일반적입니다. 마찬가지로 딥러닝에서 "잔여 네트워크(Residual networks)" 또는 "ResNets"는 각 레이어가 모델의 누적 결과에 추가되는 아키텍처를 나타냅니다. 이것은 변화가 작아야 한다는 사실을 이용하는 방법입니다.

Gloden cross strategy

예측된 구간 내 골든크로스가 발생한다고 예측이 되면 1381때 1로 구매 아니면 0 으로 패스 그리고 구매이후 데드크로스가 발생 시 전부 판매하면 안정적인 전략 가능 -> 가능할 지는 의문

Simply Classification

최고점 y 값 lable을 120이 아닌, 해당 time-length를 압축 또한, 분류 문제로 풀 경우 무조건 사지 말고 맞출 확률에 cap을 씌워서 가능성 높은 거만 사는 방법으로 확인

Conv1d

1d CNN은 더 큰 filter size를 써도 된다. 1d CNN은 더 큰 window size를 써도 된다. filter size로 일반적으로 7 or 9가 선택된다.

Reference

Time-Series Forecasting: NeuralProphet vs AutoML: https://towardsdatascience.com/time-series-forecasting-neuralprophet-vs-automl-fa4dfb2c3a9e

Techniques to Handle Very Long Sequences with LSTMs : https://machinelearningmastery.com/handle-long-sequences-long-short-term-memory-recurrent-neural-networks/

A reasonable limit of 250-500 time steps is often used in practice with large LSTM models.
Neural prophet baseline : https://dacon.io/codeshare/2492

예보 데이터 전처리와 선형보간 : https://dacon.io/competitions/official/235720/codeshare/2499?page=1&dtype=recent

트렌드 추출해서 interpolation 처리 후 반영 방법
ARIMA 원리 설명: https://youngjunyi.github.io/analytics/2020/02/27/forecasting-in-marketing-arima.html

facebook prophet : https://facebook.github.io/prophet/docs/quick_start.html#python-api

prophet changepoint range의 의미 100%으로 하면 오버피팅 되긴 할듯, By default changepoints are only inferred for the first 80% of the time series in order to have plenty of runway for projecting the trend forward and to avoid overfitting fluctuations at the end of the time series. This default works in many situations but not all, and can be changed using the changepoint_range argument.

prophet changepoint_prior_scale의 의미 이상치반영정도? 같은 느낌, If the trend changes are being overfit (too much flexibility) or underfit (not enough flexibility), you can adjust the strength of the sparse prior using the input argument changepoint_prior_scale. By default, this parameter is set to 0.05
Cryptocurrency price prediction using LSTMs | TensorFlow for Hackers (Part III) : https://towardsdatascience.com/cryptocurrency-price-prediction-using-lstms-tensorflow-for-hackers-part-iii-264fcdbccd3f

tensorflow time-series forecasting tutorial : https://www.tensorflow.org/tutorials/structured_data/time_series?hl=ko

시계열 예측 패키지 Prophet 소개 : https://hyperconnect.github.io/2020/03/09/prophet-package.html

fourie order meaning in prophet : https://medium.com/analytics-vidhya/how-does-prophet-work-part-2-c47a6ceac511

m.add_seasonality(name='first_seasonality', period= 1/24 , fourier_order = 7) 1/24 가 1일을 24등분해서 1시간 마다의 시즈널을 입히는 것 m.add_seasonality(name='second_seasonality', period=1/6, fourier_order = 15) 1/6 하면 1일을 6등분해서 4시간 마다의 시즈널을 입히는 것
[ML with Python] 4.구간 분할/이산화 & 상호작용/다항식 - https://jhryu1208.github.io/data/2021/01/11/ML_segmentation/

A Simple LSTM-Based Time-Series Classifier : https://www.kaggle.com/purplejester/a-simple-lstm-based-time-series-classifier

PyTorch RNN 관련 티스토리 블로그 : https://seducinghyeok.tistory.com/8

[PyTorch] Deep Time Series Classification : https://www.kaggle.com/purplejester/pytorch-deep-time-series-classification/notebook

PyTorch로 시작하는 딥 러닝 입문 wicidocs : https://wikidocs.net/64703

scikit-learn kbins docs : https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.KBinsDiscretizer.html

Pytorch로 CNN 구현하기 티스토리 블로그 : https://justkode.kr/deep-learning/pytorch-cnn

CNN을 활용한 주가 방향 예측 : https://direction-f.tistory.com/19

Bitcoin Time Series Prediction with LSTM : https://www.kaggle.com/jphoon/bitcoin-time-series-prediction-with-lstm

시즌 1, CNN 모델 팀 : https://dacon.io/competitions/official/235740/codeshare/2486?page=1&dtype=recent

A Gentle Introduction to Exponential Smoothing for Time Series Forecasting in Python : https://machinelearningmastery.com/exponential-smoothing-for-time-series-forecasting-in-python/

statsmodels docs : https://www.statsmodels.org/stable/examples/notebooks/generated/exponential_smoothing.html

Files

README.md

Latest commit

History

README.md

File metadata and controls

데이콘 비트코인 트레이더 시즌2 스터디

프로젝트 개요

프로젝트 수행 목적

프로젝트 설명

프로젝트 발표영상

Chapter. 1 - EDA(Exploratory Data Analysis)

train_x_df EDA 과정 설명

In one sample, dataset description

코인별 샘플 개수

모르는 데이터 피쳐 조사

Open price outlier problem

EDA code

Data handling memo

Chapter. 2 - Season 1 model pilot

ARIMA modeling

Prophet modeling

result plot

season 1 pilot code

Chapter. 3 - Personal modeling prediction

ARIMA trial

result

Prophet trial

sample_id = 1, dataset 예측 결과

Neural Prophet trial

Fractional differencing ARIMA trial

Keras RNN models trial

keras LSTM code

result

keras GRU code

result

Chapter. 4 - Data preprocess

Data smoothing

smoothing result

Data discretize

Discretize result

Data log normalization

Chapter. 5 - Pytorch modeling

Pytorch LSTM trial

Only coin 9, smoothing & LSTM

result

Only coin 9, Slicing & LSTM

All coin, Log norm & LSTM

result

All coin, outlier remove & LSTM

All coin, kbinsdiscretize & LSTM

All coin, log norm & Conv1d-LSTM(모델 변경)

RNN 모델링 결론

Chapter. 6 - Experiments & Simulation

Experiment list

Simulation program

이후 시즌 3 진행 방향

modeling - Data dicretize & classification driving

modeling - Open data series regression by one sample

메모

Reference