OIN:实战 | 机器学习能否预测加密货币的价格？

作者：Michel?Kana,?Ph.D，翻译：Jeremy

这份实用指南提供了你预测加密货币价格飞速上涨所需的基础知识。

十五年前，我开始探索数字货币的世界，并为一个只使用短信的点对点移动货币平台做了原型。

最近，我的一位合作者问我，人工智能是否可以预测加密货币的价格。她对区块链的炒作很好奇。

经过研究，我发现预测加密货币价格是一个可以解决的问题，但绝对不是针对所有市场条件。

加密资产的典型预测模型将利用时间序列预测、机器学习或深度学习方法。

在本文中，我研究了在预测给定日期的Litecoin平均价格时，片断插值的表现如何。

数据

我们将关注2013年4月至2021年2月期间Litecoin的历史价格。这些数据取自coinmarketcap，并且是可以免费使用的。我将数据分为80%的训练数据集和20%的测试数据集。后者用于评估我们预测收盘价的准确性。

印度苏伊士财富管理部门推出基于NFT的忠诚度计划:金色财经报道，法国农业信贷银行旗下的印度苏伊士财富管理部门推出了Le Clu3，这是一项针对高端客户的忠诚度计划。Le Clu3是一家面向高端客户的私人NFT驱动的会员俱乐部，这在私人银行领域尚属首次。Le Clu3由Sia Partners的数字设计机构Sia Xperience与法国Web3平台METAV.RS共同创建。[2023/7/16 10:57:44]

加密货币Litecoin的价格历史(Source:?Kaggle)

短暂的探索性数据分析显示，平均收盘价在年初和年末是最高的。10月份最低。

多项式回归?

你可能听说过多项式回归，这可以说是创建一个阶数为d的基础来近似一个非线性函数的最简单例子。

彭博社发布专注金融界的大型语言模型 BloombergGPT 论文:3月31日消息，彭博社发布为金融界构建的大型语言模型（LLM）BloombergGPT 论文，该模型依托彭博社的大量金融数据源，构建了一个 3630 亿个标签的数据集，支持金融行业内的各类任务。

在BloombergGPT相关论文中显示，BloombergGPT 的优势包括特定领域模型仍有其不可替代性且彭博数据来源可靠，金融相关任务上的性能明显优于现有模型等。[2023/3/31 13:37:08]

我对Litecoin的历史价格进行了简单的多项式回归，使用5、25和80的阶数。在每种情况下，R2值将提供一些关于模型在测试数据集上的拟合度好坏的信息。

从下面的蓝线与训练数据的拟合度来看，我们可以观察到随着多项式阶数的增加，曲线越来越陡峭。这是由于模型复杂性增加，因为高阶多项式试图追逐训练集中的每一个单一数据点。

第0天代表2013年4月30日，第2800天代表2021年2月28日。

俄罗斯建立CBDC监管、发行的法律草案已获立法者一读批准:金色财经报道，据当地媒体报道，俄罗斯国家杜马在本周批准了建立俄罗斯中央银行数字货币（CBDC）发行和监管体系的法律草案一读，此外，俄罗斯还批准了对俄罗斯民法典进行修改并将数字卢布定义为“非现金货币”的法案的一读，以及制定了有关钱包协议和数字货币继承的规则，这两项法案主要弥补了货币数字化带来的监管空白。目前这两项法案现在都将进行审查并将根据立法者的反馈最终确定二读，二读将在未来几个月内进行。

根据相关法律草案，俄罗斯中央银行被确立为数字卢布的唯一发行者，并授予监管机构额外的权力以确保适当的监管。根据法律草案，俄罗斯中央银行发行的数字卢布将被视为该国货币的官方代表，同样会将中央银行发行的所有外国数字货币视为官方国家货币，该立法为数字卢布建立了一个基础框架，其中包括建立一个将发行CBDC的平台和开发用于存储它的钱包，还定义了访问平台的程序和参与者的规则。（cryptoslate）[2023/3/19 13:13:17]

数据：2,039枚BTC 从Kraken转移到未知钱包:金色财经报道，WhaleAlert监测数据显示，2,039枚BTC（价值约39,993,453美元）从Kraken转移到未知钱包。[2022/10/4 18:39:07]

特别是在有离群值的区域，高阶多项式往往会向这些离群值的方向发展。因此，80阶多项式的模型具有最高的方差。

它在训练数据上的偏差也是最低的，这体现在最高的R2值上，相比之下，低阶多项式的R2更低，意味着更高的偏差但更低的方差。低阶多项式对训练数据的敏感性较低。

分片插值?

我发现一个更灵活的方法是使用片断多项式来预测加密货币价格。

分片插值用低阶多项式拟合大量的数据点。由于我们只使用低阶多项式，我们消除了过度的振荡和非收敛性。

给定一组数据点，分片插值的工作原理是在每一部分数据中使用不同的多项式。

a16z普通合伙人：Web3游戏“死亡”的说法被夸大:7月20日消息，a16z普通合伙人Jon Lai在社交媒体发文称，Web3游戏“死亡”的说法被夸大，每个BUIDLer都知道新平台会有起伏，开发人员需要尝试多次才能使用新原语进行构建，他对Web3游戏长期发展持乐观态度。以PokémonGO为例，这款游戏原型Ingress直到iPhone首次发布（2007年）后五年才推出，因此Web3链上游戏不能急于完成产品周期，但短期内Web3游戏也有很多机会通过NFT和开放经济来扩展现有游戏类型，尤其是在开放经济中有大量潜力，当创作者可以自由地利用彼此资产，同时所有权和财务奖励可由代码保证，Web3游戏将会变得更加强大。[2022/7/20 2:25:44]

特别是，我们使用连接的分片多项式，也称为样条。

样条的一个例子是下面的截断线性函数。它在4的左边是平的，称为函数的结。

给定几个结点，我们可以将多个线性基函数组合起来，并将其拟合到非线性数据中。

为了检测加密货币价格中存在的高度曲线关系，我使用了一个截断的三次函数，也叫三次样条。

使用三次样条，我们将数据分割成块，并对每个块拟合一个三次样条。每个样条函数在结点处连接到下一个函数。

三次样条是加密货币价格变化的一个非常好的选择，因为连接是平滑的。三次样条的斜率和它们的第一和第二导数都是匹配的。三次样条是3阶的多项式函数，它仍然足够小，以避免差异性。

三次B-样条是三次样条的一个更容易的变体，用于高效计算，因为最多有5个基函数参与贡献插值。下面我们可以看到三次B-样条在Litecoin价格上的表现，将结点放在四分位数上之后。

通过手动选择结点，即在我们有一堆数据点的情况下，与根据四分位数放置结点时的值相比，我们在测试数据集上实现了更好的R2。

在边界附近的三次样条可能表现得很奇怪，你能够在上面的红色图中注意到。所谓的自然三次样条通过在每个极限处将一个三次多项式改为线性来强制要求函数在极限结点之外是线性的。

自然三次样条需要选择一个自由度。对于Litecoin的价格，我通过交叉验证找到了最佳自由度：挑选了合适的174个结点的量子作为预测器的日期。结果与三次B-样条相比，边缘的差异性更小，但测试数据集的R2略差。

最后，我实现了平滑样条，在惩罚价格变化的同时，使均方误差最小化。

平滑样条似乎是Litecoin价格最合适的分片插值。该模型在测试数据集上实现了迄今为止获得的最佳R2值。

三次样条模型令人兴奋的部分是如何超越用于训练模型的数据范围进行推断。

根据以预测和时间序列工作而闻名的著名统计学家RobJhyndman的说法，三次平滑样条模型在预测方面可以作为与ARIMA模型等效的模型，但其参数空间受到限制。Rob声称，样条模型提供了一个平滑的历史趋势以及线性预测函数。

我邀请你进一步试验这个想法。我的计算机代码可以在网上以JupyterPython/RNotebook形式查看。

本文中使用的GoogleColabNotebook

数字货币和加密货币，如Litecoin，是现代全球经济中最具争议和最复杂的技术创新。本文旨在使用一种不太流行的方法：三次样条来预测Litecoin价格的变化。

标签：OINECOCOICOINcoinone下线ldnDECO币Fidlecoinomnicoin

欧易交易所app官网下载热门资讯