최근 비트코인에 대한 관심도가 높아지면서 각국 정부, 금융기관 그리고 기업들도 비트코인을 자산으로써 인정하고 제도를 정비하고 있다. 이와 함께 비트코인에 관한 연구도 함께 늘고 있고 순환 신경망을 활용한 비트코인을 분석도 마찬가지다. 본 연구에서도 순환 신경망을 활용하여 비트코인의 등락패턴을 예측하고자 한다. 본 연구에서 순환 신경망으로 사용한 모델은 LSTM과 GRU이다. LSTM은 3가지 게이트로 이전 은닉층 상태를 더 잘 기억하게 해주는 구조라면 GRU는 2가지 게이트로 이전 은닉층을 더 잘 기억해주는 구조란 차이가 있다. 기존 연구들과 차이점이라면 기존 연구들은 비트코인의 기본적 데이터, 기술적 데이터, 감성 데이터를 각각 따로 사용하거나 2가지만 조합하여 사용하였지만 본 연구에선 비트코인도 다른 금융자산처럼 종합적으로 분석하고자 하였다. 그 결과, McNally의 기술분석 LSTM모델은 약 52% 정도의 정확성을 보여주었지만 본 연구의 종합분석 LSTM과 GRU는 약 53%로 보여주면서 정확성이 향상되었다. 이로써 비트코인 연구에 있어서 역시 다른 금융자산처럼 종합적 분석이 필요하며 다양한 특성들을 고려해야 함을 보여주었다는 것에 의의가 있다.
