比特币:如何预测加密货币价格？

作者：

时间：1900/1/1 0:00:00

本文作者Jesus Rodriguez是Invector Labs首席科学家兼执行合伙人，同时也是IntoTheBlock的CTO，加密货币领域天使投资人。本文中Rodriguez总结分享了一些在他举办的一个加密货币价格预测的网络研讨会中关于构建加密资产预测模型的干货，小葱对其发布的博文进行了翻译整理，全文如下：

几天前，我举办了一个关于加密货币价格预测的网络研讨会。该网络研讨会总结了我们在IntoTheBlock平台中构建加密资产预测模型的一些经验教训。在这个方向我们进行了很多有趣且深入的研究，以下是我总结出的一些重要的想法，如果您也对预测加密资产价格感兴趣的话，这些想法可能会对您有所帮助。

加密货币价格预测是一个有解的问题，当然解法绝对不是唯一的，而且在不同市场环境下也会有很多变化。

“华尔街之狼”：正研究如何“大规模”进入加密市场:美国亿万富翁、“华尔街之狼”Carl Icahn表示，正在研究如何“大规模”进入加密市场。（金十）[2021/5/27 22:48:08]

正如英国伟大的统计学家George EP Box所说，“本质上说，人们构建的所有模型都是错误的，但并不意味着这些模型都没有用”。当我们讨论的问题设计金融市场这样非常复杂的实体时，情况更加如此。对于加密资产来说，我们确实能够通过一些方法进行未来价格走势的预测，但是并没有哪种模型能够在任何情况下都能够做出准确的判断。

进行预测一般来说我们有两种基本方法：基于资产或基于因子

如果你现在考虑的问题是预测比特币未来的价格，那么这就意味着你在用“基于资产”的思维在考虑问题。而另外一种“基于因子”的方法则是专注于在某种特定情况发生时市场可能会出现什么样的变化，而这种方法并不直接指向某一种固定资产。

比特币大手子：大手子教你如何提前预知爆涨趋势:4月30日19:00，实盘大V 比特币大手子做客金色财经《币情观察室》直播间，将分享《大手子教你如何提前预知爆涨趋势》，欲观看直播扫描下图二维码即可！[2020/4/30]

预测加密资产价格的三种基础的技术实现方式

一般来说目前市场上大多数面向资本市场的预测模型主要可以分为以下三类，即时间序列预测、传统机器学习和深度学习方法。诸如ARIMA或者Prophet之类的时间序列预测方法着重于根据已知的时间序列属性预测特定变量。而在过去十年左右的时间里，诸如线性回归或者决策树之类的机器学习方法兴起，并且已经成为了当下资本市场预测模型的主流方案。不过在近两年间深度神经网络学习方法热度快速上升，这种方法能够发现变量之间的非线性关系，从而进行价格预测，这种深度学习方法正在逐渐成为潮流。

大咖零距离 | 胜率高达85%的趋势交易大神告诉您如何用趋势交易捕捉大行情:11月22日18:00，金色盘面邀请实盘大V J神做客金色财经《大咖零距离》直播间，将分享《胜率高达85%的趋势交易大神告诉您如何用趋势交易捕捉大行情》，敬请关注，欲进群观看直播扫描海报二维码报名即可！[2019/11/22]

时间序列预测方法的优劣

时间序列预测方法易于实现，但是弹性很差。在经过多种相关分析手段的测试过后，我们发现这类方法很难在复杂的环境（比如资本市场）中行得通。这种方法确实很容易实现，但是当市场出现变化时这类方法很难有效适应市场的波动，这种方法最大的局限性在于他在使用少量固定地预测变量在运转，而这些预测变量并不足以完整描述市场的行为，尤其是对于加密货币这种波动性极强的资产来说更难。

声音 | Galaxy Digital创始人：山寨币需要向比特币学习如何逐步吸引用户建立生态系统:加密公司Galaxy Digital创始人Mike Novogratz认为，并不是所有的山寨币都会成功，但是一些具有潜力和价值的必须寻求建立渠道，以使人们和机构更容易购买它们。他表示：”有很多垃圾筹集了很多资金，但没有可持续性。他们承诺要建立许多协议和生态系统，然后吸引用户使用该生态系统，使之成为投机资产。为了保持投机市场的活力，需要时不时以新闻和更新的形式加油。我们必须将这些代币视为风险投资。”同时他补充说，这些山寨币之所以失败，是因为它们在如何将人们引入其生态系统方面没有发挥作用。他强调这样的山寨币必须仰赖比特币，并观察该生态系统如何为逐步采用奠定基础。（AMBCrypto）[2019/10/7]

传统机器学习方法的优劣

诚然传统机器学习的方法已经在资本市场中取得了不错的成绩，不过由于加密货币市场诞生以来经常出现“违背传统金融市场‘既定规律’”的异常行为，因此这些传统的机器学习模型对于加密货币市场的适应性同样欠佳。

深度学习模型的优劣

在测试中我们发现，深度学习模型在预测加密资产的价格波动时取得了相当出色的成绩，不过由于这种模型构建的难度较高，所以很难用比较简单的语言解释明白他的运转逻辑，而且在实施过程中确实也具有相当的挑战性。简单来说，深度学习模型是一种上手很难但是跑通后最佳的预测解决方案。

相比于传统大类资产，加密货币市场提出了一些新的挑战

在预测加密资产价格的过程中，你需要考虑的东西要比传统大类资产复杂得多。因为在这个新兴市场中你会遇到交易所“精心炮制”的虚假交易量，或者说交易相关数据的质量很差（时间不连续、数据丢失...）等等问题。因此在构建模型之前还需要大量的基础架构工作，以此来配合后续的预测工作。虽然市面上已经有一些类似的模型在论文中出现，但是真正得到过市场检验有效的微乎其微。

不过也正是大量的不确定性以及崭新的问题的存在，让“加密资产价格预测模型”这件事情变得充满挑战，但也更加有趣了。