作者：Michel?Kana,?Ph.D，翻译：Jeremy
这份实用指南提供了你预测加密货币价格飞速上涨所需的基础知识。
十五年前，我开始探索数字货币的世界，并为一个只使用短信的点对点移动货币平台做了原型。
最近，我的一位合作者问我，人工智能是否可以预测加密货币的价格。她对区块链的炒作很好奇。
经过研究，我发现预测加密货币价格是一个可以解决的问题，但绝对不是针对所有市场条件。
加密资产的典型预测模型将利用时间序列预测、机器学习或深度学习方法。
在本文中，我研究了在预测给定日期的Litecoin平均价格时，片断插值的表现如何。
数据
我们将关注2013年4月至2021年2月期间Litecoin的历史价格。这些数据取自coinmarketcap，并且是可以免费使用的。我将数据分为80%的训练数据集和20%的测试数据集。后者用于评估我们预测收盘价的准确性。
分析：比特币跌势将进一步加剧 聚焦40000美元关口?:5月19日消息，华尔街多位技术分析师表示，去年掀起加密货币热潮以来，比特币眼下所陷入的最严重抛售势将进一步加剧。Evercore ISI的Rich Ross认为，比特币将重演其他投机性资产的命运，将跌回200日移动均线，也就是40000美元。其他观察人士则预计，比特币会出现“更低的高点和更低的低点”的形态，并称马斯克令人难以预测的推特会让传统投资者望而却步。还有人猜测，黄金开始从比特币吸引资金。 （金十）[2021/5/19 22:17:59]
加密货币Litecoin的价格历史(Source:?Kaggle)
短暂的探索性数据分析显示，平均收盘价在年初和年末是最高的。10月份最低。
分析：比特币融资利率降至负值 现货价格或将回升:根据Arcane Research对比特币衍生品融资利率的分析，上周末比特币跌近15%，标志着情绪迅速转变为“痛苦恐慌”。而在过去的几天中，为比特币永续掉期市场上的多头头寸提供资金的成本降至负值，这通常在现货价格回升之前出现。据Arcane称，在比特币抛售之前，比特币的融资率在整个4月份都非常高，在4月10日达到每8小时0.16%的峰值。而跌破6万美元的支撑位时就出现了大规模抛售，导致过度杠杆化多头的大规模清算。融资利率大幅下降至负值，平均融资利率达到-0.045%。Arcane指出，此前出现负融资利率通常是多头头寸的一个很好的切入点。（CoinDesk ）[2021/4/23 20:49:11]
多项式回归?
你可能听说过多项式回归，这可以说是创建一个阶数为d的基础来近似一个非线性函数的最简单例子。
newsbtc分析：BTC阻力位8600美元支撑位8300美元:据newsbtc分析文章，BTC上涨受制于8800美元和100小时均线，尝试突破失败后，回落至8600美元以下。BTC的MACD处于看跌区域，RSI目前远低于50水平，目前突破阻力区难度较大。BTC支撑位置在8300美元，价格高于8300美元，短期内可能会走高，若跌破将进一步下跌。BTC现全球均价8492.32美元，跌幅2.52%。[2018/5/14]
我对Litecoin的历史价格进行了简单的多项式回归，使用5、25和80的阶数。在每种情况下，R2值将提供一些关于模型在测试数据集上的拟合度好坏的信息。
从下面的蓝线与训练数据的拟合度来看，我们可以观察到随着多项式阶数的增加，曲线越来越陡峭。这是由于模型复杂性增加，因为高阶多项式试图追逐训练集中的每一个单一数据点。
第0天代表2013年4月30日，第2800天代表2021年2月28日。
动态 | 中泰证券研报推荐区块链产业投资机会:中泰证券最新研报认为，伴随此次区块链产业生态战略的地位提高，应该从三条主线把握相关投资机会：1）区块链技术作为新一代信息技术的后进之秀，及“核心技术自主创新重要突破口”的定调下，建议近期密切关注区块链主题投资下的相关机会；2）建议关注受区块链技术应用驱动的金融创新利好的大金融板块；3）区块链、5G及AI等信息技术已经成为谋求竞争新优势的战略方向在，建议持续关注以硬科技引领的科技创新类企业。（证券时报）[2019/10/27]
特别是在有离群值的区域，高阶多项式往往会向这些离群值的方向发展。因此，80阶多项式的模型具有最高的方差。
它在训练数据上的偏差也是最低的，这体现在最高的R2值上，相比之下，低阶多项式的R2更低，意味着更高的偏差但更低的方差。低阶多项式对训练数据的敏感性较低。
动态 | 研报：中国中产阶级不热衷于投资加密货币:据Cryptovest消息，由大学教授和金融作家吴晓波领导的一项研究发现，中国的中产阶级投资者并不热衷于投资加密货币，只有不到10％的人对数字资产感兴趣。调查结果导致吴和他的团队得出结论，中国中产阶级投资者基本上不愿承担风险，只有9.2％的受访者表示投资组合损失超过15％是可以接受的。同时吴的报告指出，中国在线论坛上讨论数字货币潜力是一种可行的财富保护手段的趋势越来越明显。[2018/9/27]
分片插值?
我发现一个更灵活的方法是使用片断多项式来预测加密货币价格。
分片插值用低阶多项式拟合大量的数据点。由于我们只使用低阶多项式，我们消除了过度的振荡和非收敛性。
给定一组数据点，分片插值的工作原理是在每一部分数据中使用不同的多项式。
特别是，我们使用连接的分片多项式，也称为样条。
样条的一个例子是下面的截断线性函数。它在4的左边是平的，称为函数的结。
给定几个结点，我们可以将多个线性基函数组合起来，并将其拟合到非线性数据中。
为了检测加密货币价格中存在的高度曲线关系，我使用了一个截断的三次函数，也叫三次样条。
使用三次样条，我们将数据分割成块，并对每个块拟合一个三次样条。每个样条函数在结点处连接到下一个函数。
三次样条是加密货币价格变化的一个非常好的选择，因为连接是平滑的。三次样条的斜率和它们的第一和第二导数都是匹配的。三次样条是3阶的多项式函数，它仍然足够小，以避免差异性。
三次B-样条是三次样条的一个更容易的变体，用于高效计算，因为最多有5个基函数参与贡献插值。下面我们可以看到三次B-样条在Litecoin价格上的表现，将结点放在四分位数上之后。
通过手动选择结点，即在我们有一堆数据点的情况下，与根据四分位数放置结点时的值相比，我们在测试数据集上实现了更好的R2。
在边界附近的三次样条可能表现得很奇怪，你能够在上面的红色图中注意到。所谓的自然三次样条通过在每个极限处将一个三次多项式改为线性来强制要求函数在极限结点之外是线性的。
自然三次样条需要选择一个自由度。对于Litecoin的价格，我通过交叉验证找到了最佳自由度：挑选了合适的174个结点的量子作为预测器的日期。结果与三次B-样条相比，边缘的差异性更小，但测试数据集的R2略差。
最后，我实现了平滑样条，在惩罚价格变化的同时，使均方误差最小化。
平滑样条似乎是Litecoin价格最合适的分片插值。该模型在测试数据集上实现了迄今为止获得的最佳R2值。
三次样条模型令人兴奋的部分是如何超越用于训练模型的数据范围进行推断。
根据以预测和时间序列工作而闻名的著名统计学家RobJhyndman的说法，三次平滑样条模型在预测方面可以作为与ARIMA模型等效的模型，但其参数空间受到限制。Rob声称，样条模型提供了一个平滑的历史趋势以及线性预测函数。
我邀请你进一步试验这个想法。我的计算机代码可以在网上以JupyterPython/RNotebook形式查看。
本文中使用的GoogleColabNotebook
数字货币和加密货币，如Litecoin，是现代全球经济中最具争议和最复杂的技术创新。本文旨在使用一种不太流行的方法：三次样条来预测Litecoin价格的变化。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。