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。
某巨鲸向Binance转入1600万枚USDC并转出2000枚ETH，该地址曾于4月成功逃顶:6月22日消息，据余烬监测，0x8288开头地址约3小时前向Binance转入1600万枚USDC并转出2000枚以太坊（价值约383万美元）。该地址曾于4月21日向Binance转入34,043枚以太坊并转出价值6491万美元稳定币。[2023/6/22 21:54:24]
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。
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。
比特币全网未确认交易数量为8950笔:金色财经报道，BTC.com数据显示，目前比特币全网未确认交易数量为8950笔，全网算力为273.95 EH/s，24小时交易速率为3.23交易/s，目前全网难度为37.59 T，预测下次难度上调0.37%至37.73 T，距离调整还剩12天22小时。[2023/1/17 11:15:02]
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。
数据：截止目前，Chainlink质押累计质押价值逾7500万美元的LINK:金色财经报道，据Lookonchain监测，截至目前，Chainlink质押已有超过2,600个地址参与了质押，已质押约1057万枚LINK，价值约7501万美元。[2022/12/7 21:27:29]
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。
数字银行Atom Bank完成3000万英镑融资:金色财经报道，BBVA、Toscafund和Infinity Investment Partners已同意向Atom Bank投资3000万英镑，因为这家英国数字银行已准备好在2024年进行首次IPO。Atom Bank此前在 2 月份筹集了 7500 万英镑，使他们今年的融资总额达到 1.05 亿英镑。新资金将用于推动进一步放贷。据英国《金融时报》援引消息人士称，这家数字贷款机构现在计划在上市前于明年上半年进行最后一次私募融资，筹资约 5000 万英镑。[2022/11/28 21:06:06]
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。
加密投资基金SevenX Ventures完成第三期基金首次募集，共募集8000万美元:9月14日消息，加密投资基金 SevenX Ventures 宣布完成第三期基金首次募集，共募集 8000 万美元。据悉，SevenX Ventures 第三期基金总规模 1 亿美元，将在 10 月底前完成募集。本期基金的资金主要来自于一二期基金 LP 的持续追投，以及亚洲头部互联网创业者的家族办公室。
SevenX Ventures 第三期基金将持续其一贯的精品基金策略，联接东西方创业者和生态，并提供如经济体系设计等重点投后服务。SevenX Ventures 第三期基金会将其 60% 的资金用于投资以数据层为主的中间件与基础设施协议，40% 的资金用于投资以亚洲应用开发者为核心的去中心化应用，涵盖游戏、金融、内容与社交等新商业模式探索。[2022/9/14 13:29:28]
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。