EFI:如何預測加密貨幣價格？

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。

Stargate DAO成員在社區會議上討論如何處理即將收到的160萬枚ARB:3月30日消息，Stargate DAO成員在周三社區電話會議上討論如何處理160萬枚Arbitrum（ARB）代幣的預期分配，這些代幣價值不到200萬美元。LayerZero Labs的員工MaxPower表示，這些代幣尚未收到，但當收到時將必須決定是否持有、出售、部署或委托這些代幣。

一些與會者建議，DAO應該將ARB代幣分發給用戶，或將其部署為流動性激勵。與此同時，其他治理代幣持有者建議委托ARB代幣，以便Stargate DAO可以參與Arbitrum治理。

據DeFiLlama的數據，Stargate的總鎖定價值（TVL）為3.64億美元，其中近22%來自Arbitrum平臺。（CoinDesk）[2023/3/30 13:34:35]

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。

摩根大通投資策略主席：不管比特幣如何擴張，如何流行都不能讓人感到滿意:金色財經報道，金融巨頭摩根大通投資策略主席Michael Cembalest在最近的一次采訪中表示，他對比特幣和加密貨幣的世界并不瘋狂，暗示盡管比特幣如何擴張，如何流行，但這種貨幣不會讓所有人都感到滿意。Cembalest 表示所表達的觀點是他自己的觀點，而不是摩根大通的觀點。不喜歡世界排名第一的數字貨幣，原因有兩個。首先是因為它的波動性，他說這阻止了比特幣“進入與價值投資相一致的范圍”。另一個原因是因為比特幣并沒有像許多分析師讓我們相信的那樣證明自己是對沖通脹的工具。（livebitcoinnews）[2022/2/14 9:49:52]

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

CFTC技術團隊正嘗試了解應如何處理DeFi:美國商品期貨交易委員會（CFTC）的技術咨詢委員會正在嘗試了解應如何處理DeFi。該委員會周一主持了一場演講，題為”DeFi的增長和監管挑戰”，演講者是法學教授Aaron Wright和律師Gary DeWaal。Wright總結了DeFi的優勢，即通過自動化多個相關流程，可以為更多的人提供成本更低的服務。此外，演講者提及DeFi具有潛在風險，如高技術準入壁壘等。對于“如果DeFi平臺非法運作，當局應該追究誰的責任”，DeWaal表示，這是一個難以逾越的法律障礙。次要責任可能會威脅到使用或參與DeFi協議的廣泛人群。（cointelegraph）[2020/12/15 15:12:05]

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。

直播｜Aaron：DeFi加速領跑，如何獲得持久發展？:金色財經 · 直播主辦的金點Trend《2020 DeFi Dai飛嗎？》馬上開始！DeFi生態里，我們還應該狙擊哪些項目？成長空間是多少？應該關注哪些風險？16:00準時開播！本場嘉賓Kava全球業務發展副總裁Aaron Choi分享“DeFi加速領跑，如何獲得持久發展？”，請掃碼移步收聽！[2020/7/29]

預測加密資產價格的三種基礎的技術實現方式

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：EFIDEFDEFI加密貨幣SEFIDogDeFiCoinDeFi Kingdom騙子讓我買加密貨幣

萊特幣價格