預測加密貨幣價格背后的8大邏輯_NFT:加密貨幣和數字貨幣的區別是什么

編者按：本文來自區塊鏈大本營，作者：jrodthoughts，譯者：火火醬，Odaily星球日報經授權轉載。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。在研討會上，我們總結了一些在IntoTheBlock平臺上構建加密資產預測模型的經驗教訓。這一領域有很多有趣的IP和研究項目，但我想總結幾條關鍵的想法。如果你對預測加密資產的價格感興趣的話，以下幾點想法會或許對你有所幫助：1.加密貨幣價格預測是可以實現和解決的，但不是通過單一的方法，也絕不是在任何市場條件下都能實現的。就像偉大的英國統計學家喬治·e·p·博克斯(GeorgeE.P.Box)曾說過的那樣：“本質上講，所有的模型都是錯誤的，但有些是有用的。”當涉及金融市場等復雜實體時尤其如此。就加密資產而言，預測加密貨幣的價格走勢絕對是可行的，但沒有任何一種模型能夠適用于所有的市場條件。始終都要假設自己的模型最終會失敗，并尋找替代方案。2.預測有兩種基本方式：基于資產的預測和基于因素的預測如果你想預測比特幣的價格，那么就是在遵循一種基于資產的策略。相反，基于因素的策略側重于預測特定的特征，如資產池中的價值或動量。

選秀節目《美國偶像》將與Theta Labs合作推出實時預測NFT:金色財經消息，美國大眾歌手選秀節目《美國偶像》將與Theta Labs合作推出實時預測NFT，以紀念其在美國播出第20季節目。根據新聞稿，《美國偶像》NFT卡包售價99美元，收藏者將獲得一張代表14強選手之一的NFT卡。Theta Labs聯合創始人兼首席執行官Mitch Liu表示，Theta支持的實時預測性NFT將使粉絲們不僅僅為選手投票，還能成為評委。NFT將允許粉絲收集獎勵，最終的獎勵可兌換成一張好萊塢門票的NFT。（CryptoSlate）[2022/4/18 14:30:48]

V神：以太坊白皮書成功預測DeFi 但是錯過了NFT:1月2日消息，V神發推稱，“以太坊白皮書中設想的應用包括ERC 20標準的代幣；算法穩定幣；域名系統（如ENS）；去中心化文件存儲和計算；DAO；有取款限制的錢包；預言機；預測市場。雖然激勵文件存儲+計算可能還沒有那么成功，但上述設想很多是正確的（基本上是預測的DeFi）。當然，我完全忽略了NFT。我想說的是，在細節中遺漏的最大問題是DAO治理中的共謀問題。”[2022/1/2 8:20:31]

3.處理加密資產預測的三種基本技術方法一般來說，大多數資本市場的預測模型，特別是加密資產，可以分為以下幾類:時間序列預測方法、傳統的機器學習方法和深度學習方法。時間序列預測方法(如ARIMA或Prophet)側重于根據已知的時間序列屬性預測特定的變量。在過去的十年中，線性回歸或決策樹等機器學習方法一直是資本市場預測模型的中心。最后，新成立的深度學習流派提出了深度神經網絡方法，用于發現變量之間的非線性關系，從而進行價格預測。

Avanti創始人：預測美聯儲不會直接針對比特幣和以太坊，而是加強美元支付渠道監管:7月13日消息，Avanti Bank & Trust創始人兼首席執行官Caitlin Long稱，對加密貨幣的監管打擊“已經開始”。Caitlin Long在推特發表系列推文，強調她對美國當前監管形勢的看法，預測當局不會直接針對比特幣和以太坊，而是選擇針對美元進入該領域的“中間人”和“接入點”。“問題不在于比特幣、以太坊或其他加密協議，它們都很好。風險來自銀行的操作流程。”Caitlin Long預計，美聯儲將加大加密公司訪問美元支付渠道的難度。（Cointelegraph）[2021/7/13 0:47:53]

Node Capital 研究中心：區塊鏈+預測模式應用領域有待明確:據Node Capital 研究中心對預測市場的分析顯示，區塊鏈+預測模式仍存在問題：合適的應用領域有待進一步明確；區塊鏈預言機的應用場景有待進一步開發；如何保證內容上鏈時的真實性有待發展等。[2018/5/25]

4.時間序列預測方法易于實現，但適應性不強。在整個實驗過程中，我們測試了不同的時間序列方法，如ARIMA、DeepAR+或Facebook的Prophet。研究結果表明，此類方法并不是針對資本市場等復雜環境而設計的。它們非常易于實現，但是對于加密貨幣中常見的市場變化表現出非常差的彈性和適應性。此外，時間序列方法的最大局限性之一是它們依賴于數量有限且固定的預測因子，而事實證明，這些預測因子并不足以描述加密資產的行為。

5.傳統機器學習模型的泛化能力較差線性回歸和決策樹等方法一直是資本市場定量研究的前沿和中心。從這個角度來看，有很多研究可以被應用于加密空間。然而，考慮到加密市場的異常行為，我們發現大多數傳統的機器學習模型在概括知識方面都存在一定的困難，并且很容易出現不適用的情況。

6.深度學習模型很難解釋，但是在復雜的市場條件下表現良好。深度神經網絡已經不算是新事物了，但是在最近幾年才實現了其主流應用。從這個層面上講，這些模型的實現相對來說還是新生的事物。以加密市場為例，我們發現深度學習模型在預測方面可以達到相當好的效果。然而，考慮到模型的復雜性和實現的挑戰性，我們很難解釋這些模型的內部工作機制。

7.一些有意思的挑戰還沒有出現在資本市場中。加密資產的預測模型遇到了許多傳統資本市場不存在的挑戰。從虛假數據、虛假交易到低質量的API和數據集，加密領域的任何預測工作都需要大量的基礎架構工作的配合。此外，研究論文中包含的許多模型并沒有在真實世界的市場中進行過測試，當然也沒有在加密貨幣中進行過測試。

8.挑戰與機遇并存加密貨幣的預測模型是一個令人興奮的領域，但同時也充滿了挑戰。在IntoTheBlock上，我們在這方面已經取得了相當大的進展，你應該很快就能在我們的平臺上看到一些成果了。你也可以先通過以下鏈接進行預覽。

Tags：NFT加密貨幣THEHETBabyNFT ART加密貨幣和數字貨幣的區別是什么togetherbnb全部劇情攻略HETM幣

中幣