BTC:預測加密貨幣價格背后的8大邏輯_加密貨幣

Author：

Time：1900/1/1 0:00:00

編者按：本文來自區塊鏈大本營，作者：jrodthoughts，譯者：火火醬，Odaily星球日報經授權轉載。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。在研討會上，我們總結了一些在IntoTheBlock平臺上構建加密資產預測模型的經驗教訓。這一領域有很多有趣的IP和研究項目，但我想總結幾條關鍵的想法。如果你對預測加密資產的價格感興趣的話，以下幾點想法會或許對你有所幫助：1.加密貨幣價格預測是可以實現和解決的，但不是通過單一的方法，也絕不是在任何市場條件下都能實現的。就像偉大的英國統計學家喬治·e·p·博克斯(GeorgeE.P.Box)曾說過的那樣：“本質上講，所有的模型都是錯誤的，但有些是有用的。”當涉及金融市場等復雜實體時尤其如此。就加密資產而言，預測加密貨幣的價格走勢絕對是可行的，但沒有任何一種模型能夠適用于所有的市場條件。始終都要假設自己的模型最終會失敗，并尋找替代方案。2.預測有兩種基本方式：基于資產的預測和基于因素的預測如果你想預測比特幣的價格，那么就是在遵循一種基于資產的策略。相反，基于因素的策略側重于預測特定的特征，如資產池中的價值或動量。

V神：預測合并將在9月15日左右發生，確切日期取決于哈希率:金色財經報道，以太坊創始人Vitalik Buterin在社交媒體上稱，終端總難度已被設定為58750000000000000000000。這意味著以太坊PoW網絡現在有一個（大致）固定數量的哈希值可供挖掘。bordel.wtf網站預測合并將在9月15日左右發生，但確切日期取決于哈希率。[2022/8/12 12:22:02]

3.處理加密資產預測的三種基本技術方法一般來說，大多數資本市場的預測模型，特別是加密資產，可以分為以下幾類:時間序列預測方法、傳統的機器學習方法和深度學習方法。時間序列預測方法(如ARIMA或Prophet)側重于根據已知的時間序列屬性預測特定的變量。在過去的十年中，線性回歸或決策樹等機器學習方法一直是資本市場預測模型的中心。最后，新成立的深度學習流派提出了深度神經網絡方法，用于發現變量之間的非線性關系，從而進行價格預測。

去中心化預測市場平臺Augur發布v1.2.7版本:據官方消息，去中心化預測市場平臺Augur已發布v2.1.7版本，該版本修復https重定向本地IPFS節點的問題，默認情況下同時顯示自定義和模板等。[2020/8/3]

4.時間序列預測方法易于實現，但適應性不強。在整個實驗過程中，我們測試了不同的時間序列方法，如ARIMA、DeepAR+或Facebook的Prophet。研究結果表明，此類方法并不是針對資本市場等復雜環境而設計的。它們非常易于實現，但是對于加密貨幣中常見的市場變化表現出非常差的彈性和適應性。此外，時間序列方法的最大局限性之一是它們依賴于數量有限且固定的預測因子，而事實證明，這些預測因子并不足以描述加密資產的行為。

分析 | 分析兩輪減半周期之間的價格走勢預測當前我們所處的位置:火幣全球站數據顯示，BTC當前報價7924.53美元，日內上漲0.05%。針對當前走勢，分析師K神表示，通過以往BTC 2010年至2019年目前周線走勢能發現，前兩輪產量減半周期都包含正式減半啟動后的前期緩漲后期直線拉升的大牛市，持續陰跌熊市探底階段，底部整固吸籌階段，然后突破前期周線平臺壓力小牛快速拉升階段，以及觸及階段頂回落的再次吸籌構筑中繼底階段，最后再度迎來減半預期啟動前的第二波拉升行情。

今年初BTC在3000-4000美元區間反復震蕩構筑牢固底部吸足籌碼后，于4月初大陽線一天強漲1000美元拉升至5000美元上方，然后一路漲至19年目前頂點近14000美元，再見頂回落步入3個多月時間的日線大三角區間震蕩走勢，最終三角末端出現向下變盤破位，一度下砸觸及MA100周均線再回升至目前7900美元附近，區間最大跌幅已超40%，前期大幅拉升的市場風險已逐步釋放，一直高居不下的BTC多空比也快速回落，說明市場做多情緒已逐步降溫，主力資金洗盤效果明顯，這為后續的進一步拉升創造了有利條件。

走勢上，當前BTC周線仍處于MA100均線上方，下方支撐有前期周線平臺7400美元，以及19年頂點斐波那契額61.8%點位7200美元，若BTC后續再度下旬探底，這些點位都將對BTC起到一系列的支撐作用，再加上明年產量減半時間點的臨近，主力大幅下殺強勢洗盤的可能性不大，所以目前大概率處于像前兩輪減半正式啟動前的再次吸籌階段，主力將會通過窄幅震蕩的方式逐步吸籌，逐漸消磨持幣投資者的耐心，待籌碼集中后，將會再度迎來第二輪強漲行情。[2019/10/19]

動態 | Adaptive Capital首席信息官預測比特幣將漲至10萬美元:據CCN消息，加密對沖基金Adaptive Capital首席信息官Murad Mahmudov預測比特幣將漲至10萬美元，Murad認為當前的價格波動很可能只是一個“穩定積累”的階段。[2019/8/13]

5.傳統機器學習模型的泛化能力較差線性回歸和決策樹等方法一直是資本市場定量研究的前沿和中心。從這個角度來看，有很多研究可以被應用于加密空間。然而，考慮到加密市場的異常行為，我們發現大多數傳統的機器學習模型在概括知識方面都存在一定的困難，并且很容易出現不適用的情況。

6.深度學習模型很難解釋，但是在復雜的市場條件下表現良好。深度神經網絡已經不算是新事物了，但是在最近幾年才實現了其主流應用。從這個層面上講，這些模型的實現相對來說還是新生的事物。以加密市場為例，我們發現深度學習模型在預測方面可以達到相當好的效果。然而，考慮到模型的復雜性和實現的挑戰性，我們很難解釋這些模型的內部工作機制。