如何預測加密貨幣價格？_POLY

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。

Poly Network攻擊者：想為Poly Network提供有關如何保護其網絡安全的提示:金色財經報道，Poly Network攻擊者再次發布了自問自答。攻擊者稱：“歸還代幣一直是計劃中的。我對金錢不是很感興趣。我知道人們受到攻擊時會很痛苦，但他們不應該從這些攻擊中學到一些東西嗎？我在午夜之前宣布了退還的決定，所以相信我的人應該好好休息。我想為Poly Network提供有關如何保護他們網絡安全的提示，以便他們在未來有資格管理這一10億美金級別的項目。 Poly Network是一個設計良好的系統，它將處理更多資產。”對此網友表示，“在午夜之前”似乎暴露了該攻擊者所處的地理區域。[2021/8/12 1:49:25]

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。

比特幣社區仍在討論如何激活Taproot:金色財經報道，自Taproot于今年1月正式成為比特幣改進提案以來已經過去了6個多月。盡管爭議很少，但社區仍在討論如何實施適當程序。問題的根源在于是否需要進行一個能夠被所有利益相關者都可以接受的軟分支。根據Reddit比特幣社區的一個帖子，“激活Taproot的最大問題是之前的軟分叉SegWit導致的創傷后應激障礙（PTSD）”。據悉，“新式軟分叉激活”程序提出了一種混合系統，在一年內未能達成共識后，升級將被拒絕。經過另外六個月的討論，社區可以決定開始為期兩年的過程，將在到期時激活升級。此過程最長可達42個月，即三年半。盡管相對沒有爭議且功能有限，Taproot可能仍需花費數月（甚至數年）才能激活。[2020/7/16]

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

回溯3.12 如何跨越從爆倉到回本的鴻溝:4月27日20：00，波哥做客金色財經《幣情觀察室》直播間，將分享《回溯3.12 如何跨越從爆倉到回本的鴻溝》，敬請關注，欲進群觀看直播掃描海報二維碼報名即可。[2020/4/27]

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。

預測加密資產價格的三種基礎的技術實現方式

大咖零距離 | 如何通過套保實現穩定收益:4月9日18:00，金色盤面邀請資深挖礦炒幣者小迷姐做客金色財經《大咖零距離》直播間，將分享《如何通過套保實現穩定收益》，敬請關注，欲進群觀看直播掃描下方二維碼報名即可。[2020/4/9]

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：加密貨幣POLYPOLPRO加密貨幣是什么意思啊PolybiusPolkaWarMPRO

fil幣價格今日行情