OIN:機器學習能否預測加密貨幣的價格？

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。

數字玩具公司Cryptoys計劃將AI聊天機器人集成到NFT中:7月12日消息，數字玩具公司Cryptoys計劃將兒童友好的AI聊天機器人集成到其基于角色的數字收藏品中。Cryptoys計劃集成的AI軟件ChatGuardian擁有聊天過濾器，家長可以自定義該過濾器，以確保孩子與NFT角色進行安全、適當的對話。[2023/7/12 10:51:03]

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。

MEV機器人通過對穩定幣進行套利交易賺取47.6萬美元:3月25日消息，Flashbots產品負責人Robert Miller發推稱，兩個MEV機器人通過對穩定幣進行套利交易賺取476000美元。MEV代表最大可提取價值，通過重新排序和審查區塊來提取價值。

第一個機器人的目標是2400萬美元的穩定幣互換。它利用大量穩定幣交易帶來的套利機會，在以太坊和相關穩定幣之間進行交易。Etherscan數據顯示，該機器人通過將以太坊兌換為USDC，然后兌換為USDT，賺取275 ETH差價（832000美元），再將大部分套利所得支付給了區塊生產商Ethermine，最終獲得10 ETH（30000美元）的凈利潤。第二個機器人利用相似的套利過程獲利164 ETH（492000美元），向F2Pool支付16.44 ETH（49000美元），最終賺取大約147 ETH（446000美元）的利潤。（The Block）[2022/3/25 14:16:59]

Bonfida 商務經理Cyn：鏈上首個程序化交易機器人BonfidaBot帶來鏈上全自動化交易體驗:2021年05月07日晚，由Gate.io主辦的直播專訪節目《酒局幣赴》邀請到Bonfida 商務經理Cyn直播分享近期最新發展。直播期間Cyn與Gate.io立春就Bonfida及其相關事項進行了探討與交流。

Cyn表示，Bonfida 是 Serum 的旗艦前端，可以為 DEX 提供更好的交易體驗。而 Bonfida 提供的服務中，鏈上第一個程序化交易機器人是真正的殺手锏。BonfidaBot 可以幫助 Solana 生態里的 DeFi 用戶借助原生整合的 TradingView 在 Serum 上建立交易策略。DeFi 用戶可以使用 TradingView 的策略指標或通過 JavaScript 的命令發送鏈上交易信號到 BonfidaBot，實現鏈上全自動化交易。同時用戶創建的程序化策略也可以選擇對外開放，并自主設定訂閱該策略的價格。其他用戶訂閱該策略后，策略提供方可以收到訂閱費激勵。

Cyn還指出通過BonfidaBot 執行策略最好的一點是可以幫助用戶克服一些因為人性導致的失誤，因為量化策略一旦設置好，這個機器人就會完完全全依照既定策略去執行，使用戶避免因沒有及時止盈止損而遭受不必要的損失。[2021/5/7 21:35:29]

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。

動態 | 礦業公司Argo Blockchain增加了1,000多臺采礦機器:礦業公司Argo Blockchain新安裝了1000多臺采礦機器。據悉，8月份該公司簽署了一項協議，將其電力供應增加357％，為另外15,000臺機器供電。（Cointelegraph）[2019/9/19]

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。

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。

現場 | 智能矩陣Atmatrix：區塊鏈本質是信任機器 信任基礎就是數學算法:金色財經現場報道，智能矩陣Atmatrix今天在“區塊鏈趨勢與前景”高峰論壇上，在與新加坡國立大學（NUS）陳永財校長同臺交流的過程中，智能矩陣Atmatrix表示：區塊鏈本質是信任機器，信任基礎就是數學算法，我們信任數學。區塊鏈與人工智能相結合打造的世界人工智能共享網絡，促進各種AI要素，比如服務、算力、數據、算法模型的共享，降低AI使用門檻，將極大地促進AI應用的普及；企業區塊鏈應用，要選擇什么樣的區塊鏈技術，關鍵看該企業應用的需求，如果只是需要不可篡改或溯源，那么用第一代技術即可；如果需要供應鏈金融等，那么就用第二代智能合約技術；如果需要使用人工智能，那么就用智能矩陣Atmatrix技術。[2018/9/9]

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。

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：COINOINCOIBSPGrandcoinGogolCoinHuobi Bitcoin CashBSPAY幣

區塊鏈