比特幣:預測加密貨幣價格背后的8大邏輯

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。

QCP Capital發布2023年加密行業預測：美聯儲或將繼續向市場施壓，比特幣和風險資產上行潛力可能會受到限制:12月29日消息，新加坡加密交易公司QCP Capital該風投機構認為美聯儲可能會繼續向市場施壓，將通貨膨脹率從9%的高位降至約2%，因此不會放松加息并縮表。因此，比特幣和風險資產的上行潛力可能會受到限制。此外，QCP Capital認為，如果美聯儲放松貨幣政策，包括比特幣和其他加密貨幣在內的全球市場可能會出現大幅反彈。[2022/12/29 22:14:06]

分析 | BTC本月收盤價對于預測其下一個重大變動至關重要:在去年6月觸及13880美元后，比特幣價格一直在穩步下降，每月都會出現更低的價格。這種看跌趨勢可能會持續到2020年，也可能會結束，具體取決于比特幣本月收盤的水平。決定BTC是否會完全擊退空頭并繼續其上升趨勢的關鍵價位是略高于9150美元。這一水平是去年11月的月度開盤水平，如果BTC本月收盤高于該水平，我們可以期待全面牛市或者熊市的到來。交易員DonAlt表示，“如果這是熊市反彈，它將在本月結束。如果是牛市反彈，你最好做好準備。月度收盤價會很有趣，它要么是熊市的夢想破滅，要么是牛市的夢想破滅。”（Zycrypto）[2020/1/19]

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。

Tezos團隊預測Mega-ICO將于2018年第三季度上市:據Coindesk消息稱，上周，Tezos基金會完成了Tezos AG——一個承擔管理職能的經營實體，目前軟件正在進行兩項技術審查，分別由計算機科學技術公司Inria、和Least Authority進行。隨著領導團隊的到位，Tezos在努力實現發布。在其最新的更新中可以看到，Tezos基金會預計將于2018年第三季度公開發布。[2018/4/23]

LDJ Capital創始人：仍對年底比特幣將達到3萬美元的預測有信心:LDJ Capital創始人兼董事長大衛?德雷克(David Drake)此前在接受彭博社的采訪時表示，今年年底比特幣的價值將達到3萬美元。最近Drake接受了Bitcoinist的采訪，他表示，他仍對此前作出的比特幣年底價格的預測有信心。這是因為大型投資機構進入這一遲遲未受監管的市場的時間推遲了。[2018/4/5]

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：比特幣加密貨幣APITezos閃電比特幣今日行情加密貨幣和數字貨幣的區別和聯系Swapifytezos幣價格

火幣APP