INT:预测加密货币价格背后的8大逻辑_ARC

编者按：本文来自区块链大本营，作者：jrodthoughts，译者：火火酱，Odaily星球日报经授权转载。几天前，我举办了一个关于加密货币价格预测的网络研讨会。在研讨会上，我们总结了一些在IntoTheBlock平台上构建加密资产预测模型的经验教训。这一领域有很多有趣的IP和研究项目，但我想总结几条关键的想法。如果你对预测加密资产的价格感兴趣的话，以下几点想法会或许对你有所帮助：1.加密货币价格预测是可以实现和解决的，但不是通过单一的方法，也绝不是在任何市场条件下都能实现的。就像伟大的英国统计学家乔治·e·p·博克斯(GeorgeE.P.Box)曾说过的那样：“本质上讲，所有的模型都是错误的，但有些是有用的。”当涉及金融市场等复杂实体时尤其如此。就加密资产而言，预测加密货币的价格走势绝对是可行的，但没有任何一种模型能够适用于所有的市场条件。始终都要假设自己的模型最终会失败，并寻找替代方案。2.预测有两种基本方式：基于资产的预测和基于因素的预测如果你想预测比特币的价格，那么就是在遵循一种基于资产的策略。相反，基于因素的策略侧重于预测特定的特征，如资产池中的价值或动量。

Arcane Research预测到2030年闪电网络用户将达到7亿:金色财经报道，Arcane Research于 10 月 5 日发布了“闪电网络状态”报告，Arcane Crypto 的研究部门预测，随着比特币第二层支付协议的采用在十年内不断增加，闪电网络将呈抛物线状。该报告估计，例如到 2026 年，90% 的 15 岁以上的萨尔瓦多人可以使用闪电支付，以及 5000 万闪电用户，每年支付 170 亿美元，用于汇款和到 2030 年的家庭支出。

此外，报告预测到 2030 年这些类别的用户将达到 7 亿。 使用这些服务每天 1 小时的估计，以及 25% 的时间花在闪电支付上的时间，估计相当于每年不少于 364 万亿次闪电交易。（cointelegraph）[2021/10/8 20:13:08]

CipherTrace推出具有实时分析和风险预测评估功能的新软件:区块链追踪服务公司CipherTrace推出了一款具有实时分析和风险预测评估功能的新软件，该软件可以在确认交易前进行分析，帮助交易所冻结来源可疑或与犯罪记录存在关联的加密货币交易。（Bitcoin Exchange Guide）[2020/7/23]

3.处理加密资产预测的三种基本技术方法一般来说，大多数资本市场的预测模型，特别是加密资产，可以分为以下几类:时间序列预测方法、传统的机器学习方法和深度学习方法。时间序列预测方法(如ARIMA或Prophet)侧重于根据已知的时间序列属性预测特定的变量。在过去的十年中，线性回归或决策树等机器学习方法一直是资本市场预测模型的中心。最后，新成立的深度学习流派提出了深度神经网络方法，用于发现变量之间的非线性关系，从而进行价格预测。

分析 | 预测市场平台Augur今年的交易量仅在2月份大幅增长 与超级碗有关:据LongHash消息，今年到目前为止，预测市场平台Augur的交易量只有一次大幅增长。2月份的重大体育赛事超级碗导致Augur的人气飙升。超级碗星期天（Super Bowl Sunday）比赛期间，用户使用Augur投注大约50万美元。 此前报道，Augur上锁定的以太坊数量触及6个月以来的低点，达5300左右。[2019/3/19]

动态 | 日本能源公司Remixpoint更改财政年度综合盈利预测:据日经新闻报道，日本能源公司Remixpoint将2019年3月31日年度综合综合盈利预测为“尚未确定”，而先前公示的预测为纯利润为上一期的3倍，即68亿日元。其原因是加密货币市场低迷，且6月份受到金融厅业务改善令而很难进行积极的广告宣传。据悉，加密货币交易所业务占该公司销售额的60%、且占营业收入的90%。[2018/11/14]

4.时间序列预测方法易于实现，但适应性不强。在整个实验过程中，我们测试了不同的时间序列方法，如ARIMA、DeepAR+或Facebook的Prophet。研究结果表明，此类方法并不是针对资本市场等复杂环境而设计的。它们非常易于实现，但是对于加密货币中常见的市场变化表现出非常差的弹性和适应性。此外，时间序列方法的最大局限性之一是它们依赖于数量有限且固定的预测因子，而事实证明，这些预测因子并不足以描述加密资产的行为。

5.传统机器学习模型的泛化能力较差线性回归和决策树等方法一直是资本市场定量研究的前沿和中心。从这个角度来看，有很多研究可以被应用于加密空间。然而，考虑到加密市场的异常行为，我们发现大多数传统的机器学习模型在概括知识方面都存在一定的困难，并且很容易出现不适用的情况。

6.深度学习模型很难解释，但是在复杂的市场条件下表现良好。深度神经网络已经不算是新事物了，但是在最近几年才实现了其主流应用。从这个层面上讲，这些模型的实现相对来说还是新生的事物。以加密市场为例，我们发现深度学习模型在预测方面可以达到相当好的效果。然而，考虑到模型的复杂性和实现的挑战性，我们很难解释这些模型的内部工作机制。

7.一些有意思的挑战还没有出现在资本市场中。加密资产的预测模型遇到了许多传统资本市场不存在的挑战。从虚假数据、虚假交易到低质量的API和数据集，加密领域的任何预测工作都需要大量的基础架构工作的配合。此外，研究论文中包含的许多模型并没有在真实世界的市场中进行过测试，当然也没有在加密货币中进行过测试。

8.挑战与机遇并存加密货币的预测模型是一个令人兴奋的领域，但同时也充满了挑战。在IntoTheBlock上，我们在这方面已经取得了相当大的进展，你应该很快就能在我们的平台上看到一些成果了。你也可以先通过以下链接进行预览。

标签：加密货币INTARCAugur中国加密货币MINTI币SolarCoinaugur币官网

抹茶交易所热门资讯