本文作者Jesus Rodriguez是Invector Labs首席科学家兼执行合伙人，同时也是IntoTheBlock的CTO，加密货币领域天使投资人。本文中Rodriguez总结分享了一些在他举办的一个加密货币价格预测的网络研讨会中关于构建加密资产预测模型的干货，小葱对其发布的博文进行了翻译整理，全文如下：
几天前，我举办了一个关于加密货币价格预测的网络研讨会。该网络研讨会总结了我们在IntoTheBlock平台中构建加密资产预测模型的一些经验教训。在这个方向我们进行了很多有趣且深入的研究，以下是我总结出的一些重要的想法，如果您也对预测加密资产价格感兴趣的话，这些想法可能会对您有所帮助。
加密货币价格预测是一个有解的问题，当然解法绝对不是唯一的，而且在不同市场环境下也会有很多变化。
日本经济安全大臣：日本方面有必要考虑如何使用数字货币:日本经济安全大臣小林鹰之：日本方面有必要考虑如何使用数字货币，以便在国际规则制定中发挥主导作用。（金十）[2021/10/14 20:29:08]
正如英国伟大的统计学家George EP Box所说，“本质上说，人们构建的所有模型都是错误的，但并不意味着这些模型都没有用”。当我们讨论的问题设计金融市场这样非常复杂的实体时，情况更加如此。对于加密资产来说，我们确实能够通过一些方法进行未来价格走势的预测，但是并没有哪种模型能够在任何情况下都能够做出准确的判断。
进行预测一般来说我们有两种基本方法：基于资产或基于因子
如果你现在考虑的问题是预测比特币未来的价格，那么这就意味着你在用“基于资产”的思维在考虑问题。而另外一种“基于因子”的方法则是专注于在某种特定情况发生时市场可能会出现什么样的变化，而这种方法并不直接指向某一种固定资产。
英国央行官员：如果稳定币被用作一种支付方式，将研究如何对其进行监管:英国央行金融市场基础设施执行董事Christina Segal-Knowles演讲表示， 如果稳定币被用作一种支付方式，她会研究如何对其进行监管。如果监管得当，像稳定币这样的数字货币可能会有好处：包括更便宜的支付方式和更多的功能。它们可能对金融稳定有潜在的好处。但这需要监管机构按照我们对当前使用的货币所期望的标准来控制新形式的货币。[2021/6/10 23:27:58]
直播｜Andrey Belyakov ：如何制定DeFi 规则:金色财经 · 直播主办的金点Trend《以太坊之外的DeFi，香吗？ 》15:00准时开播！本场嘉宾Opium Protocol 的创始人分享Andrey Belyakov “如何制定DeFi 规则”，请扫码移步收听！[2020/9/1]
一般来说目前市场上大多数面向资本市场的预测模型主要可以分为以下三类，即时间序列预测、传统机器学习和深度学习方法。诸如ARIMA或者Prophet之类的时间序列预测方法着重于根据已知的时间序列属性预测特定变量。而在过去十年左右的时间里，诸如线性回归或者决策树之类的机器学习方法兴起，并且已经成为了当下资本市场预测模型的主流方案。不过在近两年间深度神经网络学习方法热度快速上升，这种方法能够发现变量之间的非线性关系，从而进行价格预测，这种深度学习方法正在逐渐成为潮流。
比特币社区仍在讨论如何激活Taproot:金色财经报道，自Taproot于今年1月正式成为比特币改进提案以来已经过去了6个多月。尽管争议很少，但社区仍在讨论如何实施适当程序。问题的根源在于是否需要进行一个能够被所有利益相关者都可以接受的软分支。根据Reddit比特币社区的一个帖子，“激活Taproot的最大问题是之前的软分叉SegWit导致的创伤后应激障碍（PTSD）”。据悉，“新式软分叉激活”程序提出了一种混合系统，在一年内未能达成共识后，升级将被拒绝。经过另外六个月的讨论，社区可以决定开始为期两年的过程，将在到期时激活升级。此过程最长可达42个月，即三年半。尽管相对没有争议且功能有限，Taproot可能仍需花费数月（甚至数年）才能激活。[2020/7/16]
时间序列预测方法的优劣
时间序列预测方法易于实现，但是弹性很差。在经过多种相关分析手段的测试过后，我们发现这类方法很难在复杂的环境（比如资本市场）中行得通。这种方法确实很容易实现，但是当市场出现变化时这类方法很难有效适应市场的波动，这种方法最大的局限性在于他在使用少量固定地预测变量在运转，而这些预测变量并不足以完整描述市场的行为，尤其是对于加密货币这种波动性极强的资产来说更难。
传统机器学习方法的优劣
诚然传统机器学习的方法已经在资本市场中取得了不错的成绩，不过由于加密货币市场诞生以来经常出现“违背传统金融市场‘既定规律’”的异常行为，因此这些传统的机器学习模型对于加密货币市场的适应性同样欠佳。
深度学习模型的优劣
在测试中我们发现，深度学习模型在预测加密资产的价格波动时取得了相当出色的成绩，不过由于这种模型构建的难度较高，所以很难用比较简单的语言解释明白他的运转逻辑，而且在实施过程中确实也具有相当的挑战性。简单来说，深度学习模型是一种上手很难但是跑通后最佳的预测解决方案。
相比于传统大类资产，加密货币市场提出了一些新的挑战
在预测加密资产价格的过程中，你需要考虑的东西要比传统大类资产复杂得多。因为在这个新兴市场中你会遇到交易所“精心炮制”的虚假交易量，或者说交易相关数据的质量很差（时间不连续、数据丢失...）等等问题。因此在构建模型之前还需要大量的基础架构工作，以此来配合后续的预测工作。虽然市面上已经有一些类似的模型在论文中出现，但是真正得到过市场检验有效的微乎其微。
来源：小葱APP 版权归作者所有
原标题：关于构建加密货币价格预测模型的一些思考
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。