快捷搜索:  2018  as  test  创意文化园  Bang  2019年5月BCI  2063  2019年5月CBMI

南昌天气预报15天:在预测加密货币价格时 其实我在研究这背后的 8 大逻辑

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。在研讨会上,我们总结了一些在IntoTheBlock平台上构建加密资产预测模型的经验教训。这一领域有很多有趣的IP和研究项目,但我想总结几条关键的想法。如果你对预测加密资产的价格感兴趣的话,以下几点想法会或许对你有所帮助:

1.加密货币价格预测是可以实现和解决的,但不是通过单一的方法,也绝不是在任何市场条件下都能实现的。

就像伟大的英国统计学家乔治·e·p·博克斯(George E. P. Box)曾说过的那样:“本质上讲,所有的模型都是错误的,但有些是有用的。”当涉及金融市场等复杂实体时尤其如此。就加密资产而言,预测加密货币的价格走势绝对是可行的,但没有任何一种模型能够适用于所有的市场条件。始终都要假设自己的模型最终会失败,并寻找替代方案。

2.预测有两种基本方式:基于资产的预测(asset-based)和基于因素的预测(factor-based)

如果你想预测比特币的价格,那么就是在遵循一种基于资产的策略。相反,基于因素的策略侧重于预测特定的特征,如资产池中的价值或动量。       

3.处理加密资产预测的三种基本技术方法

一般来说,大多数资本市场的预测模型,特别是加密资产,可以分为以下几类:时间序列预测方法、传统的机器学习方法和深度学习方法。时间序列预测方法(如ARIMA或Prophet)侧重于根据已知的时间序列属性预测特定的变量。在过去的十年中,线性回归或决策树等机器学习方法一直是资本市场预测模型的中心。最后,新成立的深度学习流派提出了深度神经网络方法,用于发现变量之间的非线性关系,从而进行价格预测。       

4.时间序列预测方法易于实现,但适应性不强。

在整个实验过程中,我们测试了不同的时间序列方法,如ARIMA、DeepAR+或Facebook的Prophet。研究结果表明,此类方法并不是针对资本市场等复杂环境而设计的。它们非常易于实现,但是对于加密货币中常见的市场变化表现出非常差的弹性和适应性。此外,时间序列方法的最大局限性之一是它们依赖于数量有限且固定的预测因子,而事实证明,这些预测因子并不足以描述加密资产的行为。      

发表评论
沃保资讯网声明:该文看法仅代表作者自己,与本平台无关。请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片

您可能还会对下面的文章感兴趣: