如何預測加密貨幣價格？_加密貨幣

本文作者Jesus Rodriguez是Invector Labs首席科學家兼執行合伙人，同時也是IntoTheBlock的CTO，加密貨幣領域天使投資人。本文中Rodriguez總結分享了一些在他舉辦的一個加密貨幣價格預測的網絡研討會中關于構建加密資產預測模型的干貨，小蔥對其發布的博文進行了翻譯整理，全文如下：

幾天前，我舉辦了一個關于加密貨幣價格預測的網絡研討會。該網絡研討會總結了我們在IntoTheBlock平臺中構建加密資產預測模型的一些經驗教訓。在這個方向我們進行了很多有趣且深入的研究，以下是我總結出的一些重要的想法，如果您也對預測加密資產價格感興趣的話，這些想法可能會對您有所幫助。

加密貨幣價格預測是一個有解的問題，當然解法絕對不是唯一的，而且在不同市場環境下也會有很多變化。

周小川談加密貨幣創新：中方的態度注重于如何為實體經濟服務:博鰲亞洲論壇副理事長周小川在第十三屆陸家嘴論壇上在涉及到加密貨幣創新的時候表示，中方的態度也是在很多分析和討論上注重于如何為實體經濟服務，如果能夠為世界經濟作出重要的服務來講，大家可能給予更多幫助，反之則會弱一點。（財聯社）[2021/6/11 23:29:53]

正如英國偉大的統計學家George EP Box所說，“本質上說，人們構建的所有模型都是錯誤的，但并不意味著這些模型都沒有用”。當我們討論的問題設計金融市場這樣非常復雜的實體時，情況更加如此。對于加密資產來說，我們確實能夠通過一些方法進行未來價格走勢的預測，但是并沒有哪種模型能夠在任何情況下都能夠做出準確的判斷。

聲音 | 王小云：區塊鏈技術創造性地解決了如何在無許可環境下達成共識的問題:12月7日，由中國科學院學部主辦的“區塊鏈技術與應用”科學與技術前沿論壇在深圳舉行。中國科學院院士、國際密碼協會會士王小云在題為“Hash函數與區塊鏈技術”的演講中表示，密碼是保障網絡與信息安全的核心技術和基礎支撐，加密算法、數字簽名算法和Hash函數是密碼學三類基礎算法，其中Hash函數是區塊鏈的起源性技術。她指出，區塊鏈技術的出現，創造性地解決了如何在無許可環境下達成共識的問題。區塊鏈共識協議的一致性，確保了所有用戶記錄的區塊鏈數據相同；鏈增長速度，確保了區塊鏈區塊數量增長速度的穩定；鏈質量，確保鏈區塊鏈中敵手生成的區塊數量不超過可容忍比例。[2019/12/7]

進行預測一般來說我們有兩種基本方法：基于資產或基于因子

肯尼亞成立了一個特別小組，研究如何利用人工智能和區塊鏈等最新技術:肯尼亞成立了一個特別小組，研究如何利用人工智能和區塊鏈等最新技術。“我們錯過了互聯網浪潮，趕上了移動技術……區塊鏈是下一個浪潮，我們必須參與其中。”信息部部長約瑟夫·穆切魯(Joseph Mucheru)表示，在其他用途中，區塊鏈可以幫助組織政府存儲的土地記錄，這對那些想要購買、出售或核實有關土地信息的人來說，是一種持續性的保障。[2018/5/5]

如果你現在考慮的問題是預測比特幣未來的價格，那么這就意味著你在用“基于資產”的思維在考慮問題。而另外一種“基于因子”的方法則是專注于在某種特定情況發生時市場可能會出現什么樣的變化，而這種方法并不直接指向某一種固定資產。

傳真格基金創始人徐小平呼吁各CEO了解區塊鏈 學習如何擁抱這場革命:據某互聯網知名博主爆料，真格基金創始人徐小平在真格基金投資組合微信群呼吁各CEO積極了解區塊鏈，并立即動員全體高管和員工，學習如何擁抱這場革命。[2018/1/9]

預測加密資產價格的三種基礎的技術實現方式

一般來說目前市場上大多數面向資本市場的預測模型主要可以分為以下三類，即時間序列預測、傳統機器學習和深度學習方法。諸如ARIMA或者Prophet之類的時間序列預測方法著重于根據已知的時間序列屬性預測特定變量。而在過去十年左右的時間里，諸如線性回歸或者決策樹之類的機器學習方法興起，并且已經成為了當下資本市場預測模型的主流方案。不過在近兩年間深度神經網絡學習方法熱度快速上升，這種方法能夠發現變量之間的非線性關系，從而進行價格預測，這種深度學習方法正在逐漸成為潮流。

時間序列預測方法的優劣

時間序列預測方法易于實現，但是彈性很差。在經過多種相關分析手段的測試過后，我們發現這類方法很難在復雜的環境（比如資本市場）中行得通。這種方法確實很容易實現，但是當市場出現變化時這類方法很難有效適應市場的波動，這種方法最大的局限性在于他在使用少量固定地預測變量在運轉，而這些預測變量并不足以完整描述市場的行為，尤其是對于加密貨幣這種波動性極強的資產來說更難。

傳統機器學習方法的優劣

誠然傳統機器學習的方法已經在資本市場中取得了不錯的成績，不過由于加密貨幣市場誕生以來經常出現“違背傳統金融市場‘既定規律’”的異常行為，因此這些傳統的機器學習模型對于加密貨幣市場的適應性同樣欠佳。

深度學習模型的優劣

在測試中我們發現，深度學習模型在預測加密資產的價格波動時取得了相當出色的成績，不過由于這種模型構建的難度較高，所以很難用比較簡單的語言解釋明白他的運轉邏輯，而且在實施過程中確實也具有相當的挑戰性。簡單來說，深度學習模型是一種上手很難但是跑通后最佳的預測解決方案。

相比于傳統大類資產，加密貨幣市場提出了一些新的挑戰

在預測加密資產價格的過程中，你需要考慮的東西要比傳統大類資產復雜得多。因為在這個新興市場中你會遇到交易所“精心炮制”的虛假交易量，或者說交易相關數據的質量很差（時間不連續、數據丟失...）等等問題。因此在構建模型之前還需要大量的基礎架構工作，以此來配合后續的預測工作。雖然市面上已經有一些類似的模型在論文中出現，但是真正得到過市場檢驗有效的微乎其微。

不過也正是大量的不確定性以及嶄新的問題的存在，讓“加密資產價格預測模型”這件事情變得充滿挑戰，但也更加有趣了。

來源：小蔥APP 版權歸作者所有

原標題：關于構建加密貨幣價格預測模型的一些思考

Tags：區塊鏈加密貨幣HASHASH區塊鏈專業大學排名加密貨幣是不是騙局投訴電話HexHashJobCash

以太坊最新價格