如何预测加密货币价格？

本文作者Jesus Rodriguez是Invector Labs首席科学家兼执行合伙人，同时也是IntoTheBlock的CTO，加密货币领域天使投资人。本文中Rodriguez总结分享了一些在他举办的一个加密货币价格预测的网络研讨会中关于构建加密资产预测模型的干货，小葱对其发布的博文进行了翻译整理，全文如下：

几天前，我举办了一个关于加密货币价格预测的网络研讨会。该网络研讨会总结了我们在IntoTheBlock平台中构建加密资产预测模型的一些经验教训。在这个方向我们进行了很多有趣且深入的研究，以下是我总结出的一些重要的想法，如果您也对预测加密资产价格感兴趣的话，这些想法可能会对您有所帮助。

加密货币价格预测是一个有解的问题，当然解法绝对不是唯一的，而且在不同市场环境下也会有很多变化。

谷歌搜索趋势：如何购买黄金和比特币的搜索量激增:金色财经报道，在美国银行业动荡期间，谷歌趋势显示与黄金收购相关的搜索量显着激增，搜索查询在 2023 年 4 月的第一周达到满分 100。同样，搜索两周前，即 2023 年 3 月 20 日，术语“如何购买比特币”达到了相同的分数。除了黄金，谷歌趋势数据还显示，人们对黄金的兴趣在搜索词“如何购买比特币”中的排名也有所上升，根据 90 天的统计数据，在 2023 年 3 月 20 日达到了 100 的高分。Bitcoin.com News数据显示，从 3 月中旬到 4 月，搜索查询“比特币”也在增加。[2023/4/28 14:32:37]

正如英国伟大的统计学家George EP Box所说，“本质上说，人们构建的所有模型都是错误的，但并不意味着这些模型都没有用”。当我们讨论的问题设计金融市场这样非常复杂的实体时，情况更加如此。对于加密资产来说，我们确实能够通过一些方法进行未来价格走势的预测，但是并没有哪种模型能够在任何情况下都能够做出准确的判断。

美国国会法案呼吁联邦政府研究加密货币用于非法活动的案例，并就如何减少这些用途提出建议:4月27日消息，周四向美国参议院和众议院提交的一项两党法案将呼吁联邦政府研究加密货币用于非法活动的案例，并就如何减少这些用途提出建议。《金融技术保护法案》建议成立一个工作组，负责研究恐怖分子或其他犯罪分子如何使用加密货币和其他新的金融技术，并为国会和监管机构提出旨在打击这些用途的建议。[2023/4/27 14:31:26]

进行预测一般来说我们有两种基本方法：基于资产或基于因子

如果你现在考虑的问题是预测比特币未来的价格，那么这就意味着你在用“基于资产”的思维在考虑问题。而另外一种“基于因子”的方法则是专注于在某种特定情况发生时市场可能会出现什么样的变化，而这种方法并不直接指向某一种固定资产。

韩国信用金融协会前官员金柱贤被任命为金融委员会委员长，将研究如何监管加密货币:金色财经报道，韩国信用金融协会前官员金柱贤被任命为尹锡烈政府的首任金融委员会委员长。他是金融服务委员会主席高升范的继任者，担任金融服务委员会主席的候选人金柱贤将承担重大责任，例如新政府下的家庭贷款法规的合理化以及基于金融稳定对小企业的金融支持。他的任务还有如何监管仍处于法律盲区的虚拟资产（加密货币）的。

6月7日，韩国总统尹锡烈提名韩国信用金融协会前官员金柱贤为部长级金融委员会主席人选。[2022/6/7 4:08:00]

预测加密资产价格的三种基础的技术实现方式

英国央行希望了解实时总结算服务如何与分布式账本技术进行交互:据英国央行的声明显示：英国央行正在进行一项概念验证，并希望了解实时总结算服务(RTGS)如何与分布式账本技术进行交互。2017年5月时，英国央行曾发布了RTGS蓝图，表示新服务将提供“多样化和灵活的结算模式”，随后，央行宣布要开发一种与区块链技术兼容的支付服务，但在最近的声明中，英国央行拒绝了要将业务迁移至分布式账本的提议。[2018/3/29]

一般来说目前市场上大多数面向资本市场的预测模型主要可以分为以下三类，即时间序列预测、传统机器学习和深度学习方法。诸如ARIMA或者Prophet之类的时间序列预测方法着重于根据已知的时间序列属性预测特定变量。而在过去十年左右的时间里，诸如线性回归或者决策树之类的机器学习方法兴起，并且已经成为了当下资本市场预测模型的主流方案。不过在近两年间深度神经网络学习方法热度快速上升，这种方法能够发现变量之间的非线性关系，从而进行价格预测，这种深度学习方法正在逐渐成为潮流。

时间序列预测方法的优劣

时间序列预测方法易于实现，但是弹性很差。在经过多种相关分析手段的测试过后，我们发现这类方法很难在复杂的环境（比如资本市场）中行得通。这种方法确实很容易实现，但是当市场出现变化时这类方法很难有效适应市场的波动，这种方法最大的局限性在于他在使用少量固定地预测变量在运转，而这些预测变量并不足以完整描述市场的行为，尤其是对于加密货币这种波动性极强的资产来说更难。

传统机器学习方法的优劣

诚然传统机器学习的方法已经在资本市场中取得了不错的成绩，不过由于加密货币市场诞生以来经常出现“违背传统金融市场‘既定规律’”的异常行为，因此这些传统的机器学习模型对于加密货币市场的适应性同样欠佳。

深度学习模型的优劣

在测试中我们发现，深度学习模型在预测加密资产的价格波动时取得了相当出色的成绩，不过由于这种模型构建的难度较高，所以很难用比较简单的语言解释明白他的运转逻辑，而且在实施过程中确实也具有相当的挑战性。简单来说，深度学习模型是一种上手很难但是跑通后最佳的预测解决方案。

相比于传统大类资产，加密货币市场提出了一些新的挑战

在预测加密资产价格的过程中，你需要考虑的东西要比传统大类资产复杂得多。因为在这个新兴市场中你会遇到交易所“精心炮制”的虚假交易量，或者说交易相关数据的质量很差（时间不连续、数据丢失...）等等问题。因此在构建模型之前还需要大量的基础架构工作，以此来配合后续的预测工作。虽然市面上已经有一些类似的模型在论文中出现，但是真正得到过市场检验有效的微乎其微。

不过也正是大量的不确定性以及崭新的问题的存在，让“加密资产价格预测模型”这件事情变得充满挑战，但也更加有趣了。

来源：小葱APP 版权归作者所有

原标题：关于构建加密货币价格预测模型的一些思考

标签：加密货币比特币BLOCKDRI绿洲币是加密货币吗比特币美元hiblocksDrife

狗狗币价格热门资讯