機器學習能否預測加密貨幣的價格？_OIN:COIN

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。

Mycelium DeFi因喂價問題遭受了套利機器人的攻擊:金色財經報道，根Mycelium團隊聲明，1月7日，該平臺遭受了套利機器人的攻擊。該機器人檢測到平臺上ETH價格的價差過高并開始大量濫用流動性。

差異應歸因于Bitfinex API，它在澳大利亞東部標準時間凌晨 02:45 左右開始廣播 ETH/USDT 對的高度波動的價格。與此同時，另一家價格供應商 Binance 因屏蔽了 Mycelium 使用的與美國相關的 IP 而下跌。 因此，系統無法通過獨立的喂價重新平衡價格。Mycelium團隊強調，由于Binance中斷未得到廣泛傳播，Mycelium 僅使用了來自 Bitfinex 和 Coinbase 的數據。[2023/1/8 11:00:13]

加密貨幣Litecoin的價格歷史 (Source: Kaggle)

前MicroStrategy CEO：比特幣是“經濟引擎”，將成為“自由機器”:金色財經報道，10月18日， 前MicroStrategy首席執行官Michael Saylor在the Atlas Society的一次演講中表示，比特幣去中心化的特性使其成為建立在真相基礎上的經濟機器，同時解決了傳統金融部門的一些低效問題。他還將比特幣等同于一個工會，由于預計未來的資本流入，必將變得更加強大。隨著資金流入這個網絡，貨幣聯盟變得更加強大。（finbold）[2022/10/21 16:34:39]

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。

英國德文郡Bishop Lacy酒吧已安裝比特幣售賣機器:世界上使用比特幣售賣機器的最古老建筑出現在英國德文郡Bishop Lacy酒吧，60多歲的女性正在排隊使用。該酒吧至少可以追溯到1730年，但有證據表明早在1158年就有一家旅館。

安裝ATM的SatoshiUK公司三名董事之一Steve Underwood表示，“我們對ATM的發展非常滿意，它們的使用率非常高，遠遠超出了我們的想象。”據悉，這臺機器的用戶不能用信用卡或借記卡，只能用現金。使用時需要創建一個包含比特幣地址的“錢包”（主要是二維碼）。（Devonlive）[2020/5/31]

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。

Reddit用戶：黑客利用GitHub信息抓取機器人竊取加密貨幣:一位Reddit用戶表示，自己不小心將錢包的恢復短語保留在GitHub存儲庫中，不到兩分鐘的時間里黑客成功從其Metamask錢包竊取價值1200美元的ETH。該Reddit用戶表示，黑客們已經建立自動機器人程序來抓取GitHub，搜尋加密貨幣錢包的私鑰、助記短語和其他私人信息，如賬戶密碼。（Cryptoglobe）[2020/5/28]

第0天代表2013年4月30日，第2800天代表2021年2月28日。

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。

動態 | 推特正封停假冒賬號 ETH機器人仍猖獗:據bitcoin.com報道，推特每天都在刪除數以百萬計的詐騙賬戶，在5月和6月關閉了7000多萬個。然而，加密貨幣行業仍然存在大量假裝成比特幣名人的“ETH詐騙機器人”，而欺詐者已獲利數百萬。據昨日的截圖，假冒John McAfee和Tone Vays的推特賬戶稱，如果用戶轉給他們5枚ETH，將在用戶發送資金后返還50枚ETH作為回報。[2018/7/17]

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。

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：COINOINCOI加密貨幣MMOCoinVipstar Coincoinhot穩定幣和加密貨幣的關系

幣安交易所app下載