BTC/HKD+0.11%
ETH/HKD-0.23%
LTC/HKD-1.19%
DOT/HKD-1.04%
ADA/HKD-0.98%
SOL/HKD+0.79%
XRP/HKD-0.3%
DOGE/US-1.46%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。
央行回應非指定機構如何參與數字人民幣運營:央行表示，需發揮其他商業銀行及非銀行支付機構作用，與指定運營機構一起，共同提供數字人民幣流通服務，包括支付產品設計創新、系統開發、場景拓展、市場推廣等服務。（一財）[2021/7/16 0:57:56]
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。
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
直播｜“后浪”仙女周｜熱幣-Merry如何乘風破浪:金色財經 · 直播主辦的《 幣圈 “后浪” 仙女直播周》第7期16:00 Hotcoin Global｜首席品牌官 Merry將在直播間聊聊“幣圈‘后浪’仙女如何乘風破浪”，感興趣的朋友掃碼移步收聽！[2020/7/1]
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。
預測加密資產價格的三種基礎的技術實現方式
動態 | 南非稅務署正研究如何識別逃稅的加密貨幣交易者:據CCN報道，南非稅務機關南非稅務署（SARS）正在調查識別逃稅的加密貨幣交易員的方法。該機構專員Mark Kingon最近在約翰內斯堡的內部審計協會會議上說，該機構正在研究如何發現不符合要求的加密貨幣交易員，以調查任何未能從投資中申報利潤的情況。[2018/8/21]
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。
金色財經現場報道 360官方人員現場展示如何攻擊EOS漏洞:金色財經現場報道，EOS區塊鏈平臺漏洞媒體溝通會上，360官方人員現場展示了是如何攻擊的，攻擊展示圖片見下圖。[2018/5/29]
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THELOCKEOS加密貨幣有哪幾種MagicTheLeagueCoinblockchain是什么網站DEOS幣
2020年3月27日,據韓國當地媒體《今日新聞》報道,韓國最大銀行韓國國民銀行（KB Kookmin）將推出針對比特幣和以太幣等加密資產的托管服務.
1900/1/1 0:00:00比特幣價格大幅下跌,甚至在實際減半之前讓礦工的挖礦收入減少了一半。毫無疑問,這種情況將把“挖礦死亡螺旋”的觀點帶回到討論比特幣的輿論頭條.
1900/1/1 0:00:00BTC歷史上常有不破不立之說,不少大行情的起點經常以跌破此前的重要趨勢線形成階段新低作為起點,走出戲劇性的反轉行情。因為,跌破此前的低點意味著估值來到罕見的低位,本身就具有相當程度的投資價值.
1900/1/1 0:00:00Sharding（“分片”）是 Eth2 對比 Eth1 的許多升級之一。這個名詞來源于數據庫研究,就是將一個大的數據庫切分為許多部分,而一個分片就是一個部分.
1900/1/1 0:00:00當前的數字資產市場上下起伏多變,非單邊行情吸引了大量合約交易者參與,這也讓合約交易成為了數字資產交易市場的熱門.
1900/1/1 0:00:00從表面上看,上周四對DeFi來說是個糟糕的日子。最明顯的是,MakerDAO的“keeper”系統崩潰了,部分原因是抵押品被迅速清算,部分原因是交易量妨礙了以太坊的業績.
1900/1/1 0:00:00
以太坊交易所
