THE:如何預測加密貨幣價格？_加密貨幣行情軟件

本文作者Jesus Rodriguez是Invector Labs首席科學家兼執行合伙人，同時也是IntoTheBlock的CTO，加密貨幣領域天使投資人。本文中Rodriguez總結分享了一些在他舉辦的一個加密貨幣價格預測的網絡研討會中關于構建加密資產預測模型的干貨，小蔥對其發布的博文進行了翻譯整理，全文如下：

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。該網絡研討會總結了我們在IntoTheBlock平臺中構建加密資產預測模型的一些經驗教訓。在這個方向我們進行了很多有趣且深入的研究，以下是我總結出的一些重要的想法，如果您也對預測加密資產價格感興趣的話，這些想法可能會對您有所幫助。

加密貨幣價格預測是一個有解的問題，當然解法絕對不是唯一的，而且在不同市場環境下也會有很多變化。

薩爾瓦多居民仍對如何使用比特幣和Chivo錢包感到困惑:11月27日消息，薩爾瓦多政府此前通過Chivo錢包向當地居民發放了價值30美元的比特幣，兩個月后，許多人仍然對如何使用比特幣和該應用感到困惑，他們在花掉或兌現比特幣后，已經完全放棄使用Chivo。其他人則表示，他們仍在坐等價格上漲。30歲的機修工Luis Mauricio表示：“Chivo還不能完全運作，但我希望隨著時間的推移，它能得到修復，這會讓人們對它的使用更有信心。”他補充說，自己在周末使用Chivo ATM機時也遇到了問題。

此前消息，數百名薩爾瓦多人10月底表示，有黑客用其身份證號碼打開了Chivo錢包，以獲得政府提供的30美元比特幣獎勵。（Decrypt）[2021/11/28 12:36:42]

正如英國偉大的統計學家George EP Box所說，“本質上說，人們構建的所有模型都是錯誤的，但并不意味著這些模型都沒有用”。當我們討論的問題設計金融市場這樣非常復雜的實體時，情況更加如此。對于加密資產來說，我們確實能夠通過一些方法進行未來價格走勢的預測，但是并沒有哪種模型能夠在任何情況下都能夠做出準確的判斷。

觀點：無論與SEC的訴訟結果如何 對Ripple而言都不是致命打擊:1月27日消息，針對美國SEC對Ripple發起的訴訟，律師Jeremy Hogan表示，如果訴訟最終對Ripple有利，在訴訟結束時，XRP價格將上漲2至3倍將只是一個“保守估計”。無論訴訟得出什么結論，對Ripple來說都不是致命的打擊。如果訴訟結果不佳，導致Ripple關閉，XRP可能會歸零，但這種情況不太可能發生。因為Ripple是一個技術公司，不太依賴實物資產運營。最糟糕的情況可能是其商業模式遭破壞，最終可能退出美國市場。Jeremy Hogan稱，SEC訴訟最可能的結果將是雙方達成和解。SEC可能會對Ripple包括其2013-2014年度（甚至2015年）的業務處以巨額罰款，以及對托管XRP銷售業務進行某種控制或限制。（AMBCrypto）[2021/1/27 21:48:59]

進行預測一般來說我們有兩種基本方法：基于資產或基于因子

Curve社區討論如何分配Synthetix跨資產交易費:根據YFI創始人Andre Cronje此前發布的鏈接，在Curve用900萬USDT兌換895.3萬枚sUSD，隨后利用這些sUSD在Synthetix交易所完成交易，獲得6689.94枚sETH。有社區成員指出，26859美元的費用收入將分配給Synthetix（SNX）質押者。

Curve團隊成員向社區征求意見，Curve跨資產互換將Synthetix作為橋梁，Synthetix將小部分交易費返給Curve，如何分配這些費用？其中列出四個選項：veCRV持有者、LP、兩者都分配、兩者都不分配。[2021/1/21 16:41:10]

如果你現在考慮的問題是預測比特幣未來的價格，那么這就意味著你在用“基于資產”的思維在考慮問題。而另外一種“基于因子”的方法則是專注于在某種特定情況發生時市場可能會出現什么樣的變化，而這種方法并不直接指向某一種固定資產。

聲音 | 日本金融廳長官：針對區塊鏈等分布式金融系統，如何確保公眾利益已成為新課題:據日經新聞消息，今日在日本福岡舉行的G20峰會上，日本金融廳長官遠藤俊英發表演講指出“監管規則可能抑制創新，監管規則也會跟不上技術變革”。此外，以區塊鏈技術為首的分布式金融系統在沒有金融機構充當中介的情況下，可能實現顧客和市場參與者之間的直接交易，因此金融機構的地位存在下降的可能性，在這種情況下，如何確保公眾利益已成為新的課題。[2019/6/8]

預測加密資產價格的三種基礎的技術實現方式

一般來說目前市場上大多數面向資本市場的預測模型主要可以分為以下三類，即時間序列預測、傳統機器學習和深度學習方法。諸如ARIMA或者Prophet之類的時間序列預測方法著重于根據已知的時間序列屬性預測特定變量。而在過去十年左右的時間里，諸如線性回歸或者決策樹之類的機器學習方法興起，并且已經成為了當下資本市場預測模型的主流方案。不過在近兩年間深度神經網絡學習方法熱度快速上升，這種方法能夠發現變量之間的非線性關系，從而進行價格預測，這種深度學習方法正在逐漸成為潮流。

時間序列預測方法的優劣

時間序列預測方法易于實現，但是彈性很差。在經過多種相關分析手段的測試過后，我們發現這類方法很難在復雜的環境（比如資本市場）中行得通。這種方法確實很容易實現，但是當市場出現變化時這類方法很難有效適應市場的波動，這種方法最大的局限性在于他在使用少量固定地預測變量在運轉，而這些預測變量并不足以完整描述市場的行為，尤其是對于加密貨幣這種波動性極強的資產來說更難。

傳統機器學習方法的優劣

誠然傳統機器學習的方法已經在資本市場中取得了不錯的成績，不過由于加密貨幣市場誕生以來經常出現“違背傳統金融市場‘既定規律’”的異常行為，因此這些傳統的機器學習模型對于加密貨幣市場的適應性同樣欠佳。

深度學習模型的優劣

在測試中我們發現，深度學習模型在預測加密資產的價格波動時取得了相當出色的成績，不過由于這種模型構建的難度較高，所以很難用比較簡單的語言解釋明白他的運轉邏輯，而且在實施過程中確實也具有相當的挑戰性。簡單來說，深度學習模型是一種上手很難但是跑通后最佳的預測解決方案。

相比于傳統大類資產，加密貨幣市場提出了一些新的挑戰

在預測加密資產價格的過程中，你需要考慮的東西要比傳統大類資產復雜得多。因為在這個新興市場中你會遇到交易所“精心炮制”的虛假交易量，或者說交易相關數據的質量很差（時間不連續、數據丟失...）等等問題。因此在構建模型之前還需要大量的基礎架構工作，以此來配合后續的預測工作。雖然市面上已經有一些類似的模型在論文中出現，但是真正得到過市場檢驗有效的微乎其微。

不過也正是大量的不確定性以及嶄新的問題的存在，讓“加密資產價格預測模型”這件事情變得充滿挑戰，但也更加有趣了。

來源：小蔥APP 版權歸作者所有

原標題：關于構建加密貨幣價格預測模型的一些思考

Tags：加密貨幣PLETHEPPL加密貨幣行情軟件APPLE PROTOCOL TOKENtogetherbnb按t打不開了ripple幣是什么意思

比特幣價格今日行情