如何預測加密貨幣價格？_區塊鏈:加密貨幣行情軟件

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。

恒生電子：聯盟鏈的創新空間應集中在如何更好地服務中小和小微企業方面:金色財經報道，6月23日，恒生電子區塊鏈發展部運營經理林晗做客金色財經舉辦的“聯盟鏈-創新場景應用的偶然與必然”為主題的金色沙龍第64期活動。林晗表示中國的區塊鏈研究和專利成果，從一開始就比較集中在區塊鏈技術的應用和落地，也就是產業區塊鏈方面。現階段聯盟鏈適用于與具體細分產業相結合的場景，比如說產業金融領域，例如產業金融區塊鏈平臺范太鏈。聯盟鏈的創新空間應是集中如何利用區塊鏈解決小微企業的信任問題、更好提升小微企業運營效率來開展。因為區塊鏈能解決的一個核心痛點是信任問題，與本身就具有信任背書能力的大企業相比，在產業中往往是小企業才需要解決信任問題。區塊鏈作為一種劃時代意義的記賬技術，其最大的價值是應該被用來與實體產業結合，促進社會發展。[2021/6/23 0:00:23]

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。

美國FDA政策藍圖：應研究如何利用區塊鏈跟蹤產品:金色財經報道，美國食品藥品監督管理局（FDA）周一公布了一項針對食品安全的新計劃，在發布的一份政策藍圖中引用了區塊鏈技術在跟蹤產品中的潛在作用。根據該藍圖文件，總體計劃的主要組成部分是使用新興技術來增強現有系統并構建新系統。文件稱，當研究行業如何通過數字方式跟蹤飛機、行程共享和包裝貨物的實時移動，或者企業如何利用大數據來識別趨勢時，很明顯，FDA和利益相關者應該研究如何利用新技術，包括但不限于人工智能、物聯網、傳感器技術和區塊鏈。[2020/7/15]

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

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。

聲音 | 中國市場學會理事張銳：無論Libra命運如何 Facebook都是大贏家:7月18日，中國市場學會理事、經濟學教授張銳發表文章《無論Libra命運如何，Facebook都是大贏家》。文章指出，由于Libra錨定了銀行存款、政府債券以及一籃子貨幣，完全可以量度商品的價值，同時可以充當商品交換的媒介，并作為標的進入公眾財富的儲藏范疇。因此，即便是Libra不能獲得全球性法定貨幣的身份，但它完全能夠以數字貨幣的身份像比特幣那樣在商品與服務流通領域長袖善舞，而且龐大的用戶群體為其創造的價值空間一定比任何一種數字貨幣要廣闊寬泛得多。不僅如此，Libra還可像微信和支付寶那樣打開數字金融與數字社會的入口，從而將Facebook帶入新的商業模式。[2019/7/18]

預測加密資產價格的三種基礎的技術實現方式

環球銀行金融電信協會與七家中央證券存管機構簽署一項協議備忘錄，以研究區塊鏈如何用于交易后流程:環球銀行金融電信協會（SWIFT）與七家中央證券存管機構簽署了一項協議備忘錄，以研究區塊鏈如何用于交易后流程，如代理投票等。這七家機構分別是美國納斯達克 Nasdaq Market Technology、俄羅斯國家結算存管公司（National Settlement Depository）、瑞士SIX Securities Services，南非Strate，阿布扎比證券交易所，阿根廷的Caja de Valores和智利的Depores de Central Valores。[2018/1/16]

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：區塊鏈加密貨幣LIBRALIB以下哪個不是區塊鏈區塊的結構加密貨幣行情軟件libra幣今日行情LIBF幣

BNB