Stosujemy sieci LSTM do prognozowania wartości BTC i indeksu S&P500 na podstawie danych z okresu 2013-2020, wykorzystując różne częstotliwości: dane dzienne, godzinne i 15-minutowe. Wprowadzamy innowacyjną funkcję straty, która zwiększa przydatność prognostyczną modelu LSTM w algorytmicznych strategiach inwestycyjnych. Na podstawie prognoz z modelu LSTM generujemy sygnały kupna i sprzedaży, implementujemy je w strategiach algorytmicznych i budujemy krzywe kapitału dla naszych inwestycji. Wykorzystujemy różne kombinacje modeli LSTM, optymalizowane na próbie uczącej i testowane na próbie walidacyjnej przy użyciu metody okna kroczącego. Szczególną uwagę poświęcamy preprocessing danych wejściowych, aby uniknąć przeuczenia oraz zapewnić właściwy dobór hiperparametrów. Kolejny etap dotyczy łączenia sygnałów z różnych częstotliwości w jeden model zespołowy oraz wyboru najlepszych kombinacji dla okresu testowego przez optymalizację kryterium w sposób analogiczny do analizy portfelowej. Na zakończenie przeprowadzamy analizę wrażliwości głównych parametrów i hiperparametrów modelu.