本文發布于加密谷Live,作者:MichelKana,翻譯:Jeremy。
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、機器學習或深度學習方法。
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。
Cobo Argus上線DeFi挖礦自動撤退機器人:8月10日消息,Cobo 機構級 DeFi 投資管理平臺 Cobo Argus 現已上線 Withdrawal Bot(自動撤退機器人)功能,用戶可以自定義風險指標如 LP Token 權重、Deposit Ratio(存款占比)、TVL 波動范圍,通過監測鏈上實時數據,在協議觸發用戶設定的指標,如 TVL 驟降或 LP Token 占比暴漲等危險信號時,機器人將幫助投資者自動撤出資金。[2023/8/10 16:18:04]
數據
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。
Telegram錢包機器人現支持在應用聊天界面直接交易TON代幣:11月28日消息,由于最近Telegram錢包機器人@wallet的升級,Telegram應用程序的用戶現在可以在不離開應用程序的情況下(即在Telegram聊天界面中)購買和出售Toncoin (TON)代幣,且無需每次輸入錢包地址和等候交易確認。該錢包機器人還充當了一個法幣入口,允許用戶在Telegram應用內使用信用卡購買Toncoin。目前支持購買和出售Toncoin的法幣有美元、歐元、烏克蘭格里夫尼亞、白俄羅斯盧布和哈薩克斯坦金戈。目前,該應用程序只能用于購買Toncoin(TON)和比特幣。然而,TON基金會計劃擴大可購買加密貨幣的數量。
據悉,通過Telegram購買加密貨幣的錢包機器人不收取任何費用,但每完成一筆交易,賣家將被收取相當于售價0.9%的傭金。此外,為了通過Telegram上的點對點功能傳輸加密貨幣,用戶需要在TON網絡上注冊。(Cointelegraph)
此前4月份消息,Telegram應用程序已支持購買比特幣和Toncoin。TON基金會已向Telegram添加了加密支付功能,允許其5.5億用戶在Telegram應用程序中發送和接收Toncoin(TON),或者通過“@wallet(錢包)”機器人功能購買比特幣。[2022/11/28 21:06:25]
加密貨幣Litecoin的價格歷史(Source:Kaggle)
Ripple推出推特機器人賬號,方便投資者追蹤XRP托管賬戶資金變動:Ripple團隊已推出推特機器人賬號@XRP_EscrowBot,讓散戶投資者能夠實時跟蹤每月XRP托管資金動向。據悉,2017年12月,Ripple決定將550億XRP鎖定在托管賬戶,以提振投資者信心。每月釋放10億XRP來滿足Ripple的需求,每月分配中未使用的XRP將被鎖定在托管賬戶中。(Ethereum World News)[2020/5/4]
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。
多項式回歸
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的最簡單例子。
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。
路透社:交易機器人和算法在動蕩的市場中越來越受歡迎:盡管新冠病疫情爆發導致市場處于高度波動時期,但根路透社報道,新的數據顯示,各種交易機器人和算法在外匯市場上越來越受歡迎。法國巴黎銀行(BNP Paribas)全球外匯自動客戶執行主管Asif Razaq表示:“在市場波動非常大的時候,大多數人都不推薦使用算法。然而我們觀察到的情況卻恰恰相反。我們的算法量每天平均增長150%到200%,如此大的增長是始料未及的。”文章指出,機器人使用量的增加部分是由于一些交易員(比如基金經理)在家工作面臨困難。因此,他們試圖使這個過程自動化。據報道,今年3月,外匯算法在高盛平臺上的使用量較日均水平躍升了約50%。德意志銀行、法國興業銀行和摩根大通的高管對路透社表示,交易機器人的使用也出現激增。一些專家去年也曾提出,交易機器人可能對加密貨幣交易所有害,無論是集中式的還是去中心化式的。他們表示,數字資產固有的波動性使它們更容易受到操縱。那么,在當前的經濟危機中,為什么算法對外匯市場來說是可行的呢?市場人士表示,由于這種極端波動通常不會持續太久,只要交易機器人能夠學習并適應新環境,調整可接受的參數并恢復交易。(Decrypt)[2020/4/18]
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。
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,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。
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。
分片插值
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RobJhyndman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JupyterPython/RNotebook形式查看。
本文中使用的GoogleColabNotebook
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。
本文發布于星球日報Odaily,作者黃雪姣。從?Uniswap?一雙襪子賣16萬美元,推特創始人五個單詞拍出250萬美元,到加密藝術家Beeple的NFT作品以近7000萬美元天價成交,現在,連.
1900/1/1 0:00:00鏈捕手消息,據官方medium,Aave推出自動做市商市場,用戶可以開始從AaveAMMLiquidityPool存入和借入加密資產.
1900/1/1 0:00:00本文發布于MulticoinCapital,作者:KyleSamani,管理合伙人。這篇文章與《智能合約網絡效應謬論》一文一脈相傳。比特幣具有網絡效應.
1900/1/1 0:00:00本文發布于:HashKeyResearch,原文標題:《中心化交易所的永續合約》,作者:郝凱加密貨幣市場衍生品主要包括杠桿交易、期貨合約、期權合約和杠桿代幣.
1900/1/1 0:00:00本文發布于肖颯Lawyer公眾號。上周,朋友向我們咨詢USDT交易的相關風險。颯姐團隊認為,目前,對于USDT交易中相關合同的效力等問題,盡管各地法院認定傾向和裁判理由不同,但總體來看風險較大.
1900/1/1 0:00:00本文發布于鏈得得,原文標題:《全面拆解Coinbase上市估值,DEX、幣安價值模型浮出水面》,作者:靈鴿.
1900/1/1 0:00:00