可以使用机器学习技术预测加密货币的价格吗？如何预测？（上）

在资本市场，总有人孜孜不倦的预测资产价格。加密货币领域也不例外。比特币诞生之后，就有很多人试图建立预测模型来预测加密资产价格。

可惜的是，这些尝试大多数是一些花哨的研究论文或博客文章，我们仍在等待提供预测模型的应用程序。

加密资产已经产生了丰富的数据，可以用来预测其行为。此外，我们正处于机器学习的黄金时代，在这个时代，主流开发人员可以使用具有复杂预测功能的平台和框架。

然而，事实确是，预测金融市场非常困难，在加密货币领域尤为突出。IntoTheBlock公司在加密资产的预测模型方面，做了大量工作，一直面临着一些意想不到但又引人入胜的挑战。

今天，我想就加密货币领域的价格预测模型所面临的机遇和挑战提供不同的看法。
加密货币市场具有一些非常独特的特征，但是与传统资本市场可预测性相关的许多挑战，加密货币市场也存在。金融市场是应用现代机器/深度学习技术的最复杂的环境之一。

市场是复杂的，非线性的、相互联系、不断变化的，容易受到宏观因素和投资者心理行为的影响。

从概念上讲，预测加密资产行为的过程，可以抽象为三个主要元素：
· 目标： 您要预测什么？
· 命题： 您打算用什么来预测目标？
· 方法： 预测模型应遵循哪种方法？

虽然这听起来可能很简单，但是，其中每个步骤都有独特的挑战，这些挑战可能会让最有经验的机器学习从业人员发疯。

目标：基于资产与基于因子

金融市场中的预测方法可分为两大类：基于资产或基于因素。

基于资产的模型，侧重于预测给定时间范围内的资产价格（例如：接下来2小时内以太坊的价格）。这些策略依赖于对目标资产的非常深入了解，用其特征进行建模，以至于模型很少能应用于其他资产。

基于因子的预测策略，是提取因子，试图预测特定特征对一组资产的影响。例如，基于因子的策略，可以预测：在未来一周内，势头强劲的加密资产将跑赢势头较弱的加密资产。

基于资产和基于因子的预测策略，在加密市场都是可行的。基于资产的预测策略允许结合关于加密资产行为的高度优化理论，从而功能强大。
但是，由于这类策略易受单个资产行为的影响，因此会带来很高的风险。

基于因子的预测策略，倾向于不同资产，更加多样化，这意味着有时它们表示特定资产类别。例如，如果基于账户的区块链中没有基于UTXO的指标，则不可能创建基于UTXO因子的策略。

命题：预测源

为了预测比特币的价格，我们需要了解用什么来预测它。是的，用价格来预测价格有点困难。

创建加密资产预测模型的下一步，是确定我们要使用的命题和预测变量。加密货币是一种非常独特的资产类别，具有一些非常独特的预测特性，但是，它也继承了传统资本市场的许多预测因素。

在当前的加密市场中，有五个基本来源，可以帮助制定预测模型：

区块链链上指标： 区块链的链上指标，是加密资产中独特的情报来源。从诸如哈希率的全球指标，到交易所的流入和流出指标。通常，区块链预测器在中频策略中更有效，该策略可以跨几天而不是几秒钟或几分钟进行预测。

订单簿： 就像传统的资本市场，订单簿是预测加密资产交易行为的关键来源。在传统金融市场中，市场失衡或利差扩散势头等因素，一直是许多量化预测策略的来源，在加密货币领域也同样重要。在短期预测的高频策略中，订单预测器更有效。

衍生品： 期货、永续合约、期权和其他衍生品，正成为加密市场的重要公民。从预测建模的角度来看，衍生工具提供了可用于预测加密资产行为的独特因素。例如，一个预测模型可以使用未平仓合约来估计这些合约结算后，对价格的影响。通常，导数因子在中频策略中更为有效。

协议： 加密市场中预测信息的另一个独特来源，是管理特定资产的协议。比特币减半事件，通证发行甚至分叉，都可能对加密货币的行为产生重大影响。此类因子主要用于仅在特定时间段内适用的事件驱动策略。

可供选择的数据集： 事实证明，诸如Twitter或Telegram之类的社交媒体渠道，或新闻媒体对加密资产的行为也具有影响力（消息市）。诸如Twitter情绪或新闻主题之类的因子，也可以在预测模型中起作用。通常，这种类型的因子在中频策略中更为有效。

（明日继续谈谈预测方法和挑战）

（免责声明：作者是IntoTheBlock的CTO）

原文网址: https://hackernoon.com/myths-and-realities-about-cryptocurrency-price-predictions-7ep338k

系列课程1《爱莉莎科普区块链》75课 ！点击！

系列课程2《一起开发 EOS DAPP系列》 点击！
系列课程3《区块链工具百宝箱》 点击！

微信公众号：竹三七

—-

编译者/作者：爱莉莎

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。