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。
安全团队：某MEV机器人被利用，损失约187.75WETH:10月14日消息，BlockSec监测显示，MEV机器人（0x00000.....be0d72）被利用，损失约为187.75WETH。其中攻击者用Flashloan借了1WETH并发送给机器人，随后机器人将WETH换成USDC并发送到攻击者的合约，攻击者将USDC换成WETH并提现。[2022/10/14 14:27:39]
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。
加密交易者创建机器人以在马斯克发布相关推文时自动购买BTC:金色财经报道，由于特斯拉CEO埃隆·马斯克（Elon Musk）对加密货币市场产生了巨大的影响。对此，伦敦加密货币交易者Andrei Badoiu创建了一个机器人。当马斯克发出有关比特币的推文时，该机器人会自动购买比特币，并且交易可以在推文发出的几秒钟内进行。[2021/3/31 19:31:08]
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。
朱砝：真正的矿难应该是新的机器大规模的关机:3月13日下午，在由金色财经独家直播，由嘉楠区块链、算力互联举办的2020矿业新势力AMA上，针对“市场急转直下，加密市场狂跌不止，是否预示着有发生矿难的可能？如果真的发生矿难，除了关机外，有没有更好的建议帮助矿工度过矿难？”问题，币印联合创始人朱砝表示，不一定会发生矿难，S9这种机器已经挖了好几年。这种机器回本儿好多次了，如果他们关机，真不能说是矿难。真正的矿难，应该是新的机器大规模的关机，这才算是一个矿难。[2020/3/13]
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 | 俄勒冈州“ ”机器人每小时赚取11枚比特币:据Bitcoinist消息，俄勒冈州联邦调查局最近向智能电视所有者发出了网络安全警告，指出黑客可以远程打开内置麦克风和摄像头进行监视。最近一个大问题是所谓的“ ”，黑客声称他们拥有PC用户观看成人内容的诽谤性视频内容，并威胁要公开分享这些内容，除非支付加密赎金。根据一份研究报告，机器人Trik，能够在5个月内通过每小时发送3万多封电子邮件赚取11个比特币，估计已经影响了270多万人。[2019/12/6]
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。
动态 | 推特出现新的模仿币安账户的机器人:据Ethereum World News 7月14日消息，推特出现新的模仿币安账户的机器人。该机器人会发送Binancegiveaway.com, binancedrop等网址，并声称正为一个特定事件发布赠品”获得加密货币。最近，这些账户利用Binance两周年和其平台2.0新版本来试图取用户资金。为获得用户信任，这些账户还会添加Anthony Pompliano等著名加密爱好者的虚假评论。[2019/7/14]
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。
Michel?Kana,?Ph.D??作者
Jeremy??翻译
Jeremy??编辑
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。