機器學習能否預測加密貨幣的價格？_區塊鏈

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。

知情人士：阿里達摩院正在研發類ChatGPT的對話機器人:金色財經報道，據阿里巴巴一名資深技術專家爆料，阿里達摩院正在研發類ChatGPT的對話機器人，目前已開放給公司內員工測試。從曝光截圖來看，阿里巴巴可能將AI大模型技術與釘釘生產力工具深度結合。（21財經）[2023/2/8 11:55:21]

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。

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。

一個MEV機器人因閃電貸回調損失約15萬美元:10月19日消息，PeckShield發推稱，合約地址開頭為0xf6d7的MEV機器人因閃電貸回調損失約15萬美元，攻擊者地址為smithbot.eth。該機器人的開發者通過鏈上信息表示可以向攻擊者提供損失的一半作為賞金。[2022/10/20 16:30:39]

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。

第0天代表2013年4月30日，第2800天代表2021年2月28日。

長沙市數據資源管理局局長張武：區塊鏈是生產信任的機器:金色財經現場報道，9月26日，2021區塊鏈服務網絡（BSN）全球合作伙伴大會于杭州開幕，會上，長沙市數據資源管理局局長張武演講表示，

互聯網誕生只有50年左右的時間，但從少量節點交互開始，到TCP/IP協議出現再到http超文本傳輸協議出現，互聯網已形成了巨大規模。區塊鏈帶來了信任構建，是生產信任的機器，是公平效率的載體，其為互聯網加入了信任的DNA，使得信息互聯網成功向信任互聯網、效率互聯網、價值互聯網轉變。

目前，在國家政策、基礎技術推動和下游應用領域需求不斷增加的促進下，我國區塊鏈技術應用和產業已經具備良好的發展基礎。

BSN的出現，是為了破解當前區塊鏈技術創新發展的瓶頸，借助BSN的優勢，長沙在發展環境、營造產業體系培育、關鍵技術突破及應用場景打造等方面前瞻布局，重點發力。下一步將繼續深化與BSN戰略合作，在BSN生態加持下及充分發揮長沙區塊鏈發展優勢，打造區塊鏈應用示范高地。[2021/9/26 17:07:42]

聲音 | 巴曙松：區塊鏈技術一直被譽為是一種信任機器:11月5日，中新金融峰會第二日，中國銀行業協會首席經濟學家、北京大學匯豐金融研究院執行院長巴曙松接受專訪時探討了他對最近火爆的區塊鏈的看法。巴曙松表示，區塊鏈技術一直被譽為是一種信任機器，但以往對于信任關系締造的闡述更多的停留在技術層面。實際上，區塊鏈技術亦可結合金融業務場景，在業務層面幫助投資者以及金融機構更好地識別或規避風險。此外，巴曙松認為在征信領域也有著更多應用可能。對于國內企業大規模投資和開發區塊鏈領域，巴曙松表示，區塊鏈的發展一定要服務實體經濟，這才是它發展的根本方向，要警惕虛擬貨幣和數字貨幣的炒作。[2019/11/5]

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。

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。

聲音 | 工信部賽迪研究院蒲松濤：區塊鏈是信任機器:在2018國際區塊鏈大會分論壇上，電子信息產業發展研究院賽迪工業和信息化研究院行業研究員蒲松濤表示，區塊鏈是信任機器，也有人認為現在這種新的技術特別多，大數據、人工智能、云計算，他們可能改變的是某一些環節生產力的問題，區塊鏈改變的是生產關系的問題。涉及到關系實際上就涉及到共識。而且我認為生產關系后面就是共識，共識后面是代碼是軟件，區塊鏈的這種共識由軟件所決定的，這個意義非常大。[2018/12/4]

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：區塊鏈NBSCOINOIN區塊鏈的五大應用領域nbs幣前景UTI Coincoin幣官網

歐易交易所app官網下載