機器學習技術在幣種分析中的應用
談到機器學習,大家可能會對這個AI方面的概念比較陌生,但如果提到谷歌AlphaGo,大家肯定就很熟悉了。當年谷歌人工智能程序通過機器學習的方式掌握圍棋比賽技巧后,輕松擊敗了多個國家的圍棋冠軍,時隔3年世界冠軍韓國李世石宣布退役時,還高呼AI不可戰勝......通過機器學習訓練后的計算機程序,在某些類似比賽和交易這樣的博弈場景中,是比人類具有更高勝率的。
非小號研究本次就做了一個硬核的試驗:將機器學習技術應用在幣種分析中,看看會有什么好玩的結論,以及是否真的能夠幫助我們判斷、交易。
我們的具體課題是,通過現有的市場公開數據預測明日收益率為正還是為負。
這是一個二分類問題,我們可以使用的模型有很多,這里我們選用了以下模型用于實驗:邏輯回歸LR、線性判別分析LDA、二次判別分析QDA、支持向量機SVC、決策樹DT、隨機森林RF、漸變提升樹GBC等。
本次用來試驗的數據主要有三個方面:
重慶:讓區塊鏈等數字技術與農業、工業、服務業深度融合:12月9日,重慶市政府印發《重慶市數字經濟“十四五”發展規劃(2021—2025年)》,《規劃》提出5個方面建設內容及方案,包括推動新型基礎設施建設,實現信息基礎設施全面升級,讓傳統基礎設施數字化、網絡化和智能化水平大幅提升;推動數字產業化能力大幅提升,讓“芯屏器核網”產業鏈條不斷延伸、產業集群效應顯著增強,新興數字產業加快布局;推動產業數字化取得重大進展,讓大數據、人工智能、區塊鏈等數字技術與農業、工業、服務業深度融合;推動數字化治理效能達到更高水平,讓數字政府、數字社會建設持續深化;推動數字經濟開放水平顯著提高,圍繞中新(重慶)國際互聯網數據專用通道建設,創新探索南向、北向、西向國際互聯網數據專用通道建設,重大開放平臺建設取得突破。(重慶日報)[2021/12/10 7:30:01]
1、資產的歷史數據;
2、相關品種,如黃金原油美國三大股指等;
3、幣圈相關幣種數據,主要是主流幣。
比特幣巨鯨Joe007:加密市場即將迎來深度下跌:10月24日消息,比特幣巨鯨Joe007發推表示,如果你還在準備預想比特幣會超過10萬美元,那么你應該準備好該如何在長時間的深度下跌中生存下來。此外Joe007還援引其此前推文:如果你全押并且沒有任何法定資金,那么您保護比特幣免受突然崩盤的能力就是零。如果您已經建立了針對BTC抵押品的杠桿多頭頭寸,那么您就沒有保護比特幣免受尾部風險。[2021/10/24 6:10:21]
完整的機器學習建立流程
1.首先,特征工程
特征工程是機器學習中最關鍵的步驟,沒有之一。
這有別于大眾認知的AI能解決一切問題,人工智能是萬能的認知。真實的情況是數據科學家們常掛在嘴邊的一句話是“輸入的是垃圾,輸出的也一定是垃圾”,這意味著特征工程做得好不好會直接影響AI的“智商”。
特征工程不止是數據需要清洗重新組合,還需要將數據進行標準化處理。
IOST與Gravity Network達成深度合作:據IOST官方消息,IOSTI與Gravity Network達成深度合作,未來雙方將攜手開發跨鏈集成,實現區塊鏈跨鏈通訊,共同促進Web3.0的發展,從而實現雙方生態的進一步擴展。
Gravity Network是一個跨鏈數據預言機協議,將各種底層公鏈相互連接,允許各公鏈在Gravity Network上創建去中心化的網關,讓不同區塊鏈生態系統的用戶相互交流。[2020/11/4 11:37:12]
2.其次,建模
建模是一個簡單的過程,模型在那里,無非是灌入數據后不斷地調參優化。國內很多大互聯網公司的AI團隊也都是在常用模型中選擇靴子不斷優化,大家的過程都是一樣的,沒有什么捷徑。
3.評價模型效果
模型的效果評估有很多,常見的有MSE,MAE,取代矩陣,ROC等。
4.最終,應用
當模型對數據的可解釋度良好時,模型可用。一般這個可解釋度要達到80%以上,90%以上更好,但如果100%可解釋就需要注意是否出錯了。
繽果合約(BingoEx)與幣盈公社達成深度戰略合作:據官方消息,繽果合約(BingoEx)與幣盈公社達成深度戰略合作,并簽約成為繽果合約(BingEx)大中華區合約運營商,將享有全球市場運營、渠道商招募及全方面業務拓展等權益。雙方在合約市場展開全方位合作,將在用戶擴展、社區合作、品牌宣傳方面等進行合作,助力社區人員擁有最佳的合約體驗、建立線上社區以及線下運營中心,共同賦能行業發展。
據介紹,幣盈公社由多位幣圈操盤手組成,為散戶提供數字貨幣操盤指導。目前幣圈體系最完善的一個投教社區,涵蓋數據采集部門,市場分析部門,交易培訓部門。
繽果合約(BingoEx)隸屬于BingoEx Capital集團,在美國注冊成立的數字資產衍生品交易平臺。截至目前,累計注冊用戶已有42萬以上,系統采用多重底層安全技術,已與多家區塊鏈安全服務平臺達成合作。繽果合約(BingoEx)已正式開啟全球合伙人招募。[2020/7/3]
對BTC的解釋性
數據一
動態 | 鏈想家與滿幣區塊鏈研究院達成深度戰略合作:據官方消息稱,區塊鏈教育服務商“鏈想家”和滿幣研究院達成深度戰略合作,雙方將圍繞區塊鏈技術,技術課題研究、技術人員培養及輸送等方面展開深度合作,共同為區塊鏈行業發展源源不斷的培養優質人才。鏈想家以“為區塊鏈商業決策賦能”為品牌理念,服務對象是區塊鏈生態圈內各大企業用戶,在區塊鏈教育方面幫助高校、學生、參與者和企業用戶解決入門、商業決策、引流圈內外新鮮血液等。滿幣區塊鏈研究院是具有工商資質認證的獨立機構,主要從事與數字資產與區塊鏈技術的研究。[2019/12/30]
僅有高開低收量,及高開低收量計算的技術指標作為訓練數據。得到各個模型解釋度如下表所示:
由上表可以得到,單純的用高開低收量和技術指標作為特征,在以上機器學習模型中訓練,無法很好地解釋價格。其實僅從這里就能看出幣圈屬于弱勢有效市場。技術分析得到的尺度是判斷二分類正確概率是50%,即模型無效,也與弱勢有效市場中技術分析無效,基本面分析和內幕信息有效相吻合。
市場包含三種信息:歷史信息,公開信息和內幕信息。
各種信息分別對應不同分析交易策略:歷史信息對應技術分析;公開信息對應的基本分析;內幕信息對應的內幕交易。
當市場有效時,市場已反映三種信息,故對三種信息的分析均值不能在市場獲得優勢,某種分析和交易策略均值無效;當市場為半強勢有效時,市場已反映公開信息和歷史信息,故技術分析和基本分析無效,內幕交易有效;當市場為弱有效市場時,市場只反映歷史信息,故技術分析無效,基本分析和內幕交易有效。
數據二
不但有高開低收量數據,我們還增加了相關品種的數據,如美國三大股指,黃金,原油,幣圈主流幣種等作為訓練數據。
為什么認為美國三大股指,黃金,原油,幣圈其他主流幣種等數據可以插入基本面數據?
雖然這些因素不是直接影響BTC的基本面因素,但是它們和BTC由相同的基本面因素影響,所以這些數據中包含很少的一部分基本面信息。
由上表可以得知:在增加基本面替代特征后,解釋度提升了10%以上。
那么提高多少可解釋度是模型極限?
經過1000次的實驗得到,當隨機因子為1730時,隨機森林RF模型的可解釋度67%,這是所有實驗中所有模型中可解釋度最高的一組。
模型效果的衡量:
混淆矩陣
混淆矩陣就是分別統計分類模型歸錯類,歸對類的觀測值個數,然后把結果放在一個表里展示出來。這個表就是混淆矩陣,把預測情況與實際情況的所有結果兩兩混合,結果就會出現以下幾種情況,就組成了混淆矩陣。如下:
ROC曲線
ROC曲線,又稱接受者操作特征曲線。該曲線最早應用于雷達信號檢測領域,用于區分信號與噪聲。后來用于評價模型的預測能力,ROC曲線是基于混淆矩陣得出的。
ROC曲線中的主要兩個指標就是真正率和假正率,其中橫坐標為假正率,縱坐標為真正率,下面就是一個標準的ROC曲線圖。
橫軸FPR:1-TNR,1-Specificity,FPR越大,預測正類中實際負類越多。
縱軸TPR:Sensitivity(正類覆蓋率),TPR越大,預測正類中實際正類越多。
為什么解釋性不強?
1.交易量數據造假
2.未有數據披露制度約束,未形成一體的基本面數據
3.市場有可能存在內幕信息
目前我們模型中的數據還不夠全面,仍然需要更多的努力揭示更多的基本面信息,才能更好地解釋BTC價格。
在披露更多信息時,才能促進市場效率的提高,促進幣圈的發展,這也是“非小號”作為機構應該做且做好的事情。
是否有使用價值?
雖然機器學習在解決傳統問題時都要求正確率達到80%甚至90%以上才可以使用,但是我們能否使用一個解釋度在60%-70%之間的模型?
-1.模型是有解釋度的,60%也遠高于50%,長期預測勝率顯著高于50%的多空各一半的平均水平,這有點類似賭場莊家在輪盤賭中有概率優勢一樣,時間越久贏面越大;
-2.加入限制條件時可以提高概率,單次若想取得概率優勢只能限制使用條件
如下所示為決策樹輸出的樹形圖,用紅色框起來的枝杈正確率很高,但是只有滿足層層條件后才會有交易機會。為了達到盈利目的,交易者要在交易機會與單次交易盈利水平中找到平衡點。
單個樹杈局部圖如下所示,當滿足紅框圈住的條件時,正確率提高到93%,這完全達到了使用要求:
對ETH和TRX的解釋性
從模型訓練結果看,已知特征使用以上模型訓練時,可解釋度也在60%-70%之間。下面我們列舉一些有價值的樹杈,樹杈概率的提高是基于條件概率提升的。
ETH
由以下ETH樹形圖可以看出,當同時滿足條件
美元比eth收盤價<0.01,eth昨日成交量<3956783616,原油成交量>117392.5,漲跌幅>0,黃金開盤價<1489.25時,時,有93%的正確率,這時交易機會是總交易機會的19.05%(28/147)。
TRX
由以下TRX樹形圖可以看出,當同時滿足條件bch<289.51,bsv>63.5,美元比eth調整后收盤價>0.01,納指收盤價<8371.12,道指最低價>24290.5,美元比eth收盤價>0.01,瑞波幣收盤價<0.32時,有82%的正確率,這時交易機會是總交易機會的23.68(36/152)。
如果以上使用機器學習來分析不同幣種交易機會的流程沒看懂,也沒有關系,涉及到的知識比較復雜。所以,非小號后期將應用很多大數據或AI等技術幫助大家建立分析模型,直接在APP中為大家提供易懂和好用的幣價預測工具或投資策略參考,一鍵體驗。
大家好,我是你們的朋友阿祖,幣達人社群高級分析師,每日更新自己對行情的分析與見解,堅持原創,如果覺得認可我可以點下你們的關注.
1900/1/1 0:00:00大家好,我是你們的朋友阿祖,幣達人社群高級分析師,每日更新自己對行情的分析與見解,堅持原創,如果覺得認可我可以點下你們的關注.
1900/1/1 0:00:00鏈聞消息,AMM訂單引擎Pine.finance宣布啟動新版本,擴展至支持任何去中心化交易所的任何交易類型,未來還會增加其他流動性來源.
1900/1/1 0:00:00各位朋友們,你們好,我是阿帆談幣(aftb88888)。阿帆本著負責、誠懇、認真的態度用心寫好每一篇分析文章,特點鮮明,不夸張,不含糊,力求能讓大家看懂大的趨勢分析以及小范圍的多空搏殺力度! 技.
1900/1/1 0:00:00恭喜跟上金生論幣實盤布局空單操作的幣友們,早間給出ETH現價387進場空單,目標380下方利潤.剛才莊家先插針到了最低375.22,拿到380下方利潤的朋友都已經獲利出局.
1900/1/1 0:00:00在本系列的第一篇有關壓力的文章中,我描述了10年前我剛開始從事開發人員工作時的一次恐慌發作。那時我基本上是一團糟:我的工作壓力很大,為了放松,我參加了很多派對.
1900/1/1 0:00:00