預測加密貨幣價格背后的8大邏輯_加密貨幣

編者按：本文來自區塊鏈大本營，作者：jrodthoughts，譯者：火火醬，Odaily星球日報經授權轉載。幾天前，我舉辦了一個關于加密貨幣價格預測的網絡研討會。在研討會上，我們總結了一些在IntoTheBlock平臺上構建加密資產預測模型的經驗教訓。這一領域有很多有趣的IP和研究項目，但我想總結幾條關鍵的想法。如果你對預測加密資產的價格感興趣的話，以下幾點想法會或許對你有所幫助：1.加密貨幣價格預測是可以實現和解決的，但不是通過單一的方法，也絕不是在任何市場條件下都能實現的。就像偉大的英國統計學家喬治·e·p·博克斯(GeorgeE.P.Box)曾說過的那樣：“本質上講，所有的模型都是錯誤的，但有些是有用的。”當涉及金融市場等復雜實體時尤其如此。就加密資產而言，預測加密貨幣的價格走勢絕對是可行的，但沒有任何一種模型能夠適用于所有的市場條件。始終都要假設自己的模型最終會失敗，并尋找替代方案。2.預測有兩種基本方式：基于資產的預測和基于因素的預測如果你想預測比特幣的價格，那么就是在遵循一種基于資產的策略。相反，基于因素的策略側重于預測特定的特征，如資產池中的價值或動量。

加密貨幣批評者Peter Schiff預測比特幣價格即將下跌:金色財經報道，加密貨幣批評者Peter Schiff預測比特幣價格即將下跌，Schiff在推特上寫道，“直到最近，高度投機性資產的漲勢將比特幣排除在外。現在，比特幣終于加入了這個聚會，也許這是一個跡象，表明這個聚會很快就會結束。通常情況下，當質量最低的東西最終參與進來時，反彈就會結束。沒有比加密貨幣更低質量的了。”

今年3月，在Silvergate銀行陷入困境之際，Peter Schiff呼吁出售比特幣并購買黃金。5月，Schiff宣布了他自己的NFT系列基于比特幣。[2023/6/25 21:59:07]

Mesari預測：若加密風投基金DCG上市其估值約40億美元:11月13日，加密貨幣分析公司Mesari發布預測稱，美國加密風投基金Digital Currency Group（DCG）若上市，其估值約為40億美元。Mesari表示，該預測是綜合DCG業務考慮。DCG旗下擁有與加密貨幣相關的大品牌，如Genesis和灰度Grayscale。此外，DCG投資部門還持有比特幣、以太坊和十多種加密貨幣投資組合。[2020/11/13 14:10:56]

3.處理加密資產預測的三種基本技術方法一般來說，大多數資本市場的預測模型，特別是加密資產，可以分為以下幾類:時間序列預測方法、傳統的機器學習方法和深度學習方法。時間序列預測方法(如ARIMA或Prophet)側重于根據已知的時間序列屬性預測特定的變量。在過去的十年中，線性回歸或決策樹等機器學習方法一直是資本市場預測模型的中心。最后，新成立的深度學習流派提出了深度神經網絡方法，用于發現變量之間的非線性關系，從而進行價格預測。

以太坊開發者：個人預測ETH 2.0信標鏈會在10月推出:7月21日，針對Afri Schoedon預測Ethereum 2.0信標鏈將在11月發布一事，以太坊開發者Evan Van Ness發推文稱，個人認為Ethereum 2.0信標鏈可能會在10月份推出。[2020/7/21]

4.時間序列預測方法易于實現，但適應性不強。在整個實驗過程中，我們測試了不同的時間序列方法，如ARIMA、DeepAR+或Facebook的Prophet。研究結果表明，此類方法并不是針對資本市場等復雜環境而設計的。它們非常易于實現，但是對于加密貨幣中常見的市場變化表現出非常差的彈性和適應性。此外，時間序列方法的最大局限性之一是它們依賴于數量有限且固定的預測因子，而事實證明，這些預測因子并不足以描述加密資產的行為。

聲音 | 肖磊：個人預測央行數字貨幣可能很難達到預期效果:財經作家肖磊今日發文認為，從現有的信息看，央行數字貨幣無論設計的目標有多少個，其實最終就是一個消滅現金的過程，但問題是，不做數字貨幣，現金也會逐步消失的，這是一個歷史大趨勢。中國市場的去現金化，速度會越來越快，而央行支付結算司副司長穆長春也說了，對老百姓來講，基本的支付功能在電子支付和央行數字貨幣之間的界限實際上是相對模糊的。央行數字貨幣，主要想用于小額零售場景，不對存款產生擠出效應，能避免“余額寶”式的存款搬家，要給不同級別錢包設定交易限額和余額限額。

另外，肖磊還認為，中國央行在設計官方數字貨幣方面，絕不能因小失大，如果天天盯著、防著國內民眾，恐怕效果會適得其反，未來民眾將更加會千方百計的去換libra、摩根大通幣、沃爾瑪幣等美元穩定幣，而不是中國官方數字貨幣。[2019/8/11]

5.傳統機器學習模型的泛化能力較差線性回歸和決策樹等方法一直是資本市場定量研究的前沿和中心。從這個角度來看，有很多研究可以被應用于加密空間。然而，考慮到加密市場的異常行為，我們發現大多數傳統的機器學習模型在概括知識方面都存在一定的困難，并且很容易出現不適用的情況。

6.深度學習模型很難解釋，但是在復雜的市場條件下表現良好。深度神經網絡已經不算是新事物了，但是在最近幾年才實現了其主流應用。從這個層面上講，這些模型的實現相對來說還是新生的事物。以加密市場為例，我們發現深度學習模型在預測方面可以達到相當好的效果。然而，考慮到模型的復雜性和實現的挑戰性，我們很難解釋這些模型的內部工作機制。

7.一些有意思的挑戰還沒有出現在資本市場中。加密資產的預測模型遇到了許多傳統資本市場不存在的挑戰。從虛假數據、虛假交易到低質量的API和數據集，加密領域的任何預測工作都需要大量的基礎架構工作的配合。此外，研究論文中包含的許多模型并沒有在真實世界的市場中進行過測試，當然也沒有在加密貨幣中進行過測試。

8.挑戰與機遇并存加密貨幣的預測模型是一個令人興奮的領域，但同時也充滿了挑戰。在IntoTheBlock上，我們在這方面已經取得了相當大的進展，你應該很快就能在我們的平臺上看到一些成果了。你也可以先通過以下鏈接進行預覽。

Tags：加密貨幣比特幣數字貨幣SCH加密貨幣和數字貨幣的區別和聯系比特幣以太幣中國數字貨幣叫什么幣SharesChain

NEAR