在預測加密貨幣價格時 其實我在研究這背后的 8 大邏輯_BSP

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(George E. 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。

山東：加快布局人形機器人、元宇宙等前沿領域:金色財經報道，山東省印發《山東省制造業創新能力提升三年行動計劃（2023—2025年）》，其中提出，加快布局未來產業。研究制定山東省未來產業高質量發展行動計劃，加快布局人形機器人、元宇宙、量子科技、未來網絡、碳基半導體、類腦計算、深海極地、基因技術、深海空天開發等前沿領域，推進6G技術研發和應用。建設濟南、青島未來產業先導區。力爭到2025年，重點依托省級以上高新區、經濟開發區等特色園區，打造10個左右特色鮮明、創新力強的未來產業集群。[2023/5/5 14:44:35]

2.預測有兩種基本方式：基于資產的預測（asset-based）和基于因素的預測（factor-based）

國際清算銀行發布關于應對加密貨幣風險報告:金色財經報道，國際清算銀行 (BIS) 建議，在經歷了特別動蕩的一年之后，有關加密貨幣的當局可以采取三種不同的方法：監管、遏制或呼吁全面禁止該行業。 根據周四發布的關于應對加密貨幣風險的報告，全球央行行長們還提出了一種替代方案，即通過央行數字貨幣“鼓勵健全的創新” 。BIS 概述了這三種方法中每一種方法的優點和缺點，并指出可以將它們混合和匹配以應用于他們認為的不同風險。圍繞 FTX 崩潰和穩定幣 TerraUSD 崩潰的持續傳奇是引用的主要事件。

報告稱，如果沒有像中心化交易所這樣的“網關”，“加密貨幣將不得不依賴用戶使用私鑰在數字錢包中自行保管他們的資金”。禁止加密將是一種“極端選擇”并限制創新。國際清算銀行表示，禁止無邊界的去中心化活動很困難，而禁止中心化中介會更有效。但可能會將此類活動推向另一個司法管轄區，或將加密貨幣與傳統金融經濟隔離開來，并以類似于金融服務部門的方式對該部門進行監管。[2023/1/13 11:09:22]

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。       

Circle為支持以太坊升級至PoS的平穩過渡已進入短暫維護期:9月15日消息，USDC發行商Circle發文稱：“為了監控以太坊合并確保我們為客戶提供服務的連續性，我們將進行短暫的維護期。”此外，Circle平臺狀態信息網站表示，為支持平穩過渡，以太坊USDC鑄造、贖回、發送操作、EUROC鑄造和贖回已暫時暫停。

此前消息，Circle表示將在以太坊合并完成后僅支持以太坊PoS鏈。[2022/9/15 6:57:43]

3.處理加密資產預測的三種基本技術方法

V神贊揚以太坊社區反對加拿大交易限額政策:8月18日消息，以太坊聯合創始人Vitalik Buterin（V神）在其個人社交媒體平臺發文表示，“很高興看到以太坊社區成員反對將ETH凌駕于其他合法加密貨幣之上的規定。（我目前尚未深入研究具體發生了什么，很大程度上是政府的事情，而不是一家企業的合規決策）”。此外，V神再次重申反對禁止PoW。

此前消息，今日早些時候，加拿大加密貨幣交易平臺Bitbuy與Newton表示，將根據安大略證券委員會（OSC）和加拿大證券管理局（CSA）最新的監管政策，設置加拿大九個省份的居民在購買加密貨幣時的年度凈購買限額為3萬加元，以交易時價格計算。從首次購買受限Token起，該限制將每12個月重置一次。[2022/8/18 12:33:51]

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。       

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。      

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：BSPNBS加密貨幣以太坊BSPT幣nbs幣前景加密貨幣市場還有未來嗎知乎以太坊交易所app

瑞波幣