實戰 | 機器學習能否預測加密貨幣的價格？_加密貨幣:Exen Coin

作者：Michel?Kana,?Ph.D，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。

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。

加密科研平臺ResearchHub獲得500萬美元融資，由Coinbase CEO共同創立:金色財經報道，由 Coinbase 首席執行官Brian Armstrong共同創立的初創公司ResearchHub已在一輪融資中籌集了 500 萬美元，旨在加快使用加密貨幣進行科學研究的步伐。A 輪融資由 Open Source Software Capital 領投，Boost VC、RedHat 的 Bob Young、Vercel 的 Guillermo Rauch、Replit 的 Amjad Masad 等參投。

科學項目的資助者依靠基于引用的指標來判斷學術研究人員的質量，因此許多科學家優化他們的研究以產生盡可能多的引用。ResearchHub 正在構建一個平臺，任何人都可以通過為全球科學界貢獻新知識來獲得加密貨幣獎勵。用戶通過向 ResearchHub 發布內容賺取 ResearchCoin (RSC)，收到的 RSC 數量與社區其他成員認為內容的價值成正比。[2023/6/16 21:40:44]

dYdX：將分配資源用于構建針對v4版本的MEV解決方案:金色財經報道，dYdX官方發文討論了v4版本及MEV相關問題。文章指出，dYdX v4版本的完全去中心化和高性能的內存訂單簿可能會導致MEV問題。不過，與用智能合約環境不同，Cosmos基礎設施使得dYdX能夠構建獨特的MEV解決方案，使驗證者的激勵與用戶的激勵保持一致。dYdX正在積極致力于研究和構建這些解決方案，并計劃為此分配大量資源。[2023/3/30 13:34:16]

加密貨幣Litecoin的價格歷史(Source:?Kaggle)

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。

Infosys與VMware合作推出基于區塊鏈的個人記錄管理解決方案:8月26日消息，印度 IT 咨詢公司 Infosys 已基于 VMware Blockchain for Ethereum（測試版）推出個人記錄管理解決方案，用于驗證出生證、結婚證和其他重要個人記錄。數字形式的記錄可以通過使用區塊鏈賬本以完全安全的方式進行無縫驗證和認證，確保記錄的不可更改性和驗證過程的透明度。

VMware Blockchain 具有數據完整性、隱私性、加密身份驗證和所有交易的跟蹤，以及高性能、簡化的部署升級和企業級支持。它支持面向未來的架構，與 DAML、Solidity 等各種去中心化應用兼容。[2022/8/26 12:49:38]

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。

數據：USDT交易所提款次數達17個月低點:金色財經消息，據Glassnode數據顯示，當前USDT交易所提款次數（7日均值）為131.321，達17個月低點。[2022/7/13 2:10:06]

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。

四川人民出版社將推出基于出版單位圖書IP衍生的數字藏品:金色財經報道，據四川人民出版社官方公眾號，四川人民出版社與數傳集團就元宇宙書店及數字藏品項目達成戰略合作，四川人民出版社副社長李真真表示，四川人民出版社將與數傳集團合作推出基于出版單位圖書IP衍生的數字藏品，在各個數字平臺上進行發行。同時，將根據未來元宇宙行業的發展，促進出版物的元宇宙化，在“元宇宙書店”場景中結合AR/VR/MR技術基礎，實現社交交互與在線交易，進一步推動社內轉型升級，帶動出版產業深度融合發展。[2022/6/25 1:31:06]

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。

Tags：OINCOICOIN加密貨幣zyccoinExen Coinhuntercoin加密貨幣最新消息

屎幣