機器學習能否預測加密貨幣的價格？_OIN:CHA

這份實用指南提供了你預測加密貨幣價格飛速上漲所需的基礎知識。

十五年前，我開始探索數字貨幣的世界，并為一個只使用短信的點對點移動貨幣平臺做了原型。

最近，我的一位合作者問我，人工智能是否可以預測加密貨幣的價格。她對區塊鏈的炒作很好奇。

經過研究，我發現預測加密貨幣價格是一個可以解決的問題，但絕對不是針對所有市場條件。

加密資產的典型預測模型將利用時間序列預測（如ARIMA、Facebook Prophet）、機器學習（如隨機森林算法、線性回歸）或深度學習方法（如LSTM）。

在本文中，我研究了在預測給定日期的Litecoin平均價格時，片斷插值的表現如何。

我們將關注2013年4月至2021年2月期間Litecoin的歷史價格。這些數據取自coinmarketcap，并且是可以免費使用的。我將數據分為80%的訓練數據集和20%的測試數據集。后者用于評估我們預測收盤價的準確性。

Chaincode Labs推出以比特幣為中心的AI聊天機器人ChatBTC測試版:金色財經報道，Chaincode Labs推出以比特幣為中心的AI聊天機器人ChatBTC測試版，比特幣愛好者不再需要搜索問答網站Bitcoin Stack Exchange或在比特幣開發郵件列表中尋找有關主流區塊鏈技術問題的答案。Chaincode 實驗室的產品經理 Art Assoiants 表示，ChatBTC作為ChatGPT的替代品，但接受了一組特定的專門且經過審查的比特幣資源的培訓。ChatBTC 使用與同樣由 Chaincode Labs 開發的bitcoinsearch.xyz相同的知識庫，從 Bitcoin Stack Exchange、Bitcoin Talk、Bitcoin-dev 和Lightning-dev郵件列表、Bitcoin Optech、Bitcoin Transcripts等網站獲取資源。

Chaincode 實驗室特別項目負責人 Adam Jonas 表示，該服務仍處于早期 alpha 階段。[2023/8/8 21:30:30]

谷歌因隱私問題被迫推遲在歐盟發布AI聊天機器人Bard:6月14日消息，谷歌本計劃本周在歐盟推出Bard，但歐洲數據監管機構愛爾蘭數據保護委員會（DPC）表示，沒有提供足夠的信息來說明谷歌的生成人工智能工具如何保護歐洲人的隱私，無法證明其在歐盟的推出是合理的。谷歌將不得不推遲在歐盟啟動其人工智能聊天機器人Bard。[2023/6/14 21:35:50]

加密貨幣Litecoin的價格歷史 (Source: Kaggle)

短暫的探索性數據分析顯示，平均收盤價在年初和年末是最高的。10月份最低。

你可能聽說過多項式回歸，這可以說是創建一個階數為d的基礎來近似一個非線性函數（在我們的例子中，加密貨幣價格波動）的最簡單例子。

馬斯克回應Twitter起訴：現在他們不得不在法庭上披露機器人信息了:7月11日消息，針對Twitter向特拉華州衡平法院（Delaware Court of Chancery）起訴馬斯克必須按照之前的協議完成收購交易，馬斯克在社交媒體上發布表情圖做出回應，圖中文字寫道：他們說我無法收購Twitter，然后他們又不愿意披露機器人信息，現在他們想起訴強迫我收購Twitter，這樣他們不得不在法庭上披露機器人信息了。[2022/7/11 2:04:42]

我對Litecoin的歷史價格進行了簡單的多項式回歸，使用5、25和80的階數。在每種情況下，R2值將提供一些關于模型在測試數據集上的擬合度好壞的信息。

從下面的藍線與訓練數據的擬合度來看，我們可以觀察到隨著多項式階數的增加，曲線越來越陡峭。這是由于模型復雜性增加，因為高階多項式試圖追逐訓練集中的每一個單一數據點。

第0天代表2013年4月30日，第2800天代表2021年2月28日。

加密交易者創建機器人以在馬斯克發布相關推文時自動購買BTC:金色財經報道，由于特斯拉CEO埃隆·馬斯克（Elon Musk）對加密貨幣市場產生了巨大的影響。對此，倫敦加密貨幣交易者Andrei Badoiu創建了一個機器人。當馬斯克發出有關比特幣的推文時，該機器人會自動購買比特幣，并且交易可以在推文發出的幾秒鐘內進行。[2021/3/31 19:31:08]

特別是在有離群值的區域（圖的中間部分），高階多項式往往會向這些離群值的方向發展。因此，80階多項式的模型具有最高的方差。

它在訓練數據上的偏差也是最低的，這體現在最高的R2值上，相比之下，低階多項式的R2更低，意味著更高的偏差但更低的方差。低階多項式對訓練數據的敏感性較低。

聲音 | 英偉達全球副總裁：自主機器與區塊鏈的結合需要有真正的需求出現:據騰訊科技消息，英偉達（NVIDIA）全球副總裁、自主機器事業部總經理 Deepu Talla昨日表示，互聯網是一個大的市場，而自主機器是互聯網市場中的一部分。自主機器本身需要大量的傳感器規劃行動的能力。因此對于與IOT的領域的結合考慮，可能更多的是需要從安全的角度去看。至于與區塊鏈的結合，還是等什么時候真正的這樣一個需求，才能實現這樣的可能性。[2018/11/22]

我發現一個更靈活的方法是使用片斷多項式來預測加密貨幣價格。

分片插值用低階多項式擬合大量的數據點。由于我們只使用低階多項式，我們消除了過度的振蕩和非收斂性。

給定一組數據點，分片插值的工作原理是在每一部分數據中使用不同的多項式。

特別是，我們使用連接的分片多項式，也稱為樣條。

樣條的一個例子是下面的截斷線性函數。它在4的左邊是平的，稱為函數的結。

給定幾個結點，我們可以將多個線性基函數組合起來，并將其擬合到非線性數據中。

為了檢測加密貨幣價格中存在的高度曲線關系，我使用了一個截斷的三次函數，也叫三次樣條。

使用三次樣條，我們將數據分割成塊，并對每個塊擬合一個三次樣條。每個樣條函數在結點處連接到下一個函數。

三次樣條是加密貨幣價格變化的一個非常好的選擇，因為連接是平滑的。三次樣條的斜率和它們的第一和第二導數都是匹配的。三次樣條是3階的多項式函數，它仍然足夠小，以避免差異性。

三次B-樣條是三次樣條的一個更容易的變體，用于高效計算，因為最多有5個基函數參與貢獻插值。下面我們可以看到三次B-樣條在Litecoin價格上的表現，將結點放在四分位數上之后。

通過手動選擇結點，即在我們有一堆數據點的情況下，與根據四分位數放置結點時的值相比，我們在測試數據集上實現了更好的R2。

在邊界附近的三次樣條可能表現得很奇怪，你能夠在上面的紅色圖中注意到。所謂的自然三次樣條通過在每個極限處將一個三次多項式改為線性來強制要求函數在極限結點之外是線性的。

自然三次樣條需要選擇一個自由度。對于Litecoin的價格，我通過交叉驗證找到了最佳自由度：挑選了合適的174個結點的量子作為預測器的日期。結果與三次B-樣條相比，邊緣的差異性更小，但測試數據集的R2略差。

最后，我實現了平滑樣條，在懲罰價格變化的同時，使均方誤差最小化。

平滑樣條似乎是Litecoin價格最合適的分片插值。該模型在測試數據集上實現了迄今為止獲得的最佳R2值。

三次樣條模型令人興奮的部分是如何超越用于訓練模型的數據范圍進行推斷。

根據以預測和時間序列工作而聞名的著名統計學家Rob Jhyndman的說法，三次平滑樣條模型在預測方面可以作為與ARIMA模型等效的模型，但其參數空間受到限制。Rob聲稱，樣條模型提供了一個平滑的歷史趨勢以及線性預測函數。

我邀請你進一步試驗這個想法。我的計算機代碼可以在網上以Jupyter Python/R Notebook形式查看。

本文中使用的Google Colab Notebook 

數字貨幣和加密貨幣，如Litecoin，是現代全球經濟中最具爭議和最復雜的技術創新。本文旨在使用一種不太流行的方法：三次樣條來預測Litecoin價格的變化。

Michel Kana, Ph.D   作者

Jeremy   翻譯

Jeremy   編輯

Tags：OINCOICOINCHAHanacoinTimeCoinPotocolELON CAT COINLeLe Food Chain

Uniswap