NBS:機器學習能否預測加密貨幣的價格？_DSCOIN

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。

Curve穩定幣crvUSD合約重新部署已完成，套利交易者需更新機器人地址:5月14日消息，Curve Finance發推稱，Curve原生穩定幣crvUSD合約重新部署已完成。此次部署通過套利交易的軟清算進行現場測試，Curve Finance提醒套利交易者更新其機器人地址。[2023/5/15 15:02:43]

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。

閃電貸套利機器人在巨鯨交易中花費約4ETH套利8萬多USDC:8月11日消息，監控套利空間的閃電貸機器人花費約4ETH 的gas費從Uniswap上套利8 萬多USDC。由于有“巨鯨”在Uniswap上用約1800萬美金USDT一次性購買約40,000ETH （相關閱讀：以太坊巨鯨在Uniswap上將ETH價格推高至450美元），造成了Uniswap上ETH超10% 的溢價；閃電貸機器人監控到該套利空間，花費約4ETH的gas費從中套利8 萬多USDC。

該筆交易哈希為0x01afae47b0c98731b5d20c776e58bd8ce5c2c89ed4bd3f8727fad3ebf32e9481。從Etherscan顯示的交易細節可看出，該筆交易包含了包括借款和還款在內的6步操作，共發生了15筆代幣轉移。（PANews）[2020/8/11]

動態 | 成本僅為160美元的僵尸網絡MasterMana每周可與2000臺機器進行交互:研究人員認為，一個成本僅為160美元的惡意僵尸網絡每周可能與2000臺機器進行交互，試圖竊取加密錢包和個人信息。美國網絡安全公司Prevailion在其博客上發表了一篇文章，詳細描述了MasterMana僵尸網絡如何從2018年12月開始一直活躍到9月24日。該僵尸網絡每周可能攻擊2000臺機器，因此，今年其可能已與72000多臺機器進行了交互。（CryptoGlobe）[2019/10/5]

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。

動態 | 烏克蘭公司推出加密行業咨詢聊天機器人:據bitcoin.com報道，三家烏克蘭公司開發了一種名為Ailo英語聊天機器人，可為加密行業的企業和投資者提供咨詢服務。基于AI的平臺Ailo提供一系列自動化服務，也可以處理需要人工干預和專業法律建議的案例。[2018/12/6]

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。

動態 | 硅谷區塊鏈公司用區塊鏈等手段解決機器人問題:據ofweek報道，硅谷的區塊鏈公司Kambria希望通過區塊鏈的開源及經濟激勵特性，利用社區的力量解決機器人當前被技術難、成本高而“鎖住”的問題。[2018/10/22]

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：COICOINOINNBScoinwatch手表官網FoxdcoinDSCOINnbs幣未來價格

SOL