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（如ARIMA、Facebook Prophet）、机器学习（如随机森林算法、线性回归）或深度学习方法（如LSTM）。
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。
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。
此前攻击MEV机器人的黑客将超730万枚DAI转入MakerDAO:9月2日消息，据慢雾监测，于今年4月攻击MEV机器人获利数千万美元的黑客将7317799枚DAI转入MakerDAO。[2023/9/2 13:12:58]
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。
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（在我们的例子中，加密货币价格波动）的最简单例子。
英伟达CEO：元宇宙不限于人，也可以是“机器对机器”:金色财经报道，英伟达首席执行官黄仁勋在最新访谈中表示，英伟达是进军元宇宙市场的最大主流科技公司之一，但会专注于构建自动化工业元宇宙。利用英伟达的 Omniverse、基于人工智能的自动化程序、以及 VR/AR 设备可以将现实世界连接到元宇宙，相关技术也被用于包括美国军队在内的军事单位的训练计划中。黄仁勋强调，元宇宙可以在 3D 中体验，也可以在 2D 中体验，物理世界和虚拟世界可以通过很多不同的方式联系起来，而且不仅必须是人类，也可以是机器对机器。（nftgators）[2022/10/20 16:32:08]
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。
Aurora CEO：昨日攻击自动被彩虹桥看门狗和 MEV 机器人阻挡，黑客损失 2.5 ETH:5月2日消息，NEAR 生态 EVM 扩容网络 Aurora 的 CEO Alex Shevchenko 针对昨日彩虹桥攻击事件发推称，攻击是被自动阻挡的，彩虹桥看门狗（ WatchDog）和 MEV 机器人挡住了黑客攻击，没有损失桥接资金，反而让攻击者损失了 2.5 个以太坊，这笔资金已支付给 MEV 机器人。Aurora Labs 将重新设计挑战支出机制，因此大部分中继者质押保留在合约中，还将为中继者增加大量的质押，之后类似的攻击成本会更大。[2022/5/2 2:45:03]
第0天代表2013年4月30日，第2800天代表2021年2月28日。
Marathon Digital将从蒙大拿州以煤炭为动力的采矿机器迁出:金色财经报道，Marathon Digital Holdings周二表示，该公司计划将其采矿机器从位于蒙大拿州哈丁的一个以煤炭为动力的地点迁出。在过去的一年多时间里，加密货币矿工因其碳足迹而面临越来越多的审查，一些矿工已经采取措施转向可再生能源。Marathon Digital承诺，到2022年底，其业务将实现100%的碳中和。
Marathon Digital称，转型将在今年第三季度以交错的方式进行，以避免停机。这家加密货币采矿公司没有说明这些机器将被转移到哪里，也没有说明它将使用什么 \"更可持续的电源\"。（Coindesk）[2022/4/6 14:06:49]
特别是在有离群值的区域（图的中间部分），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。
木头姐发布年终总结：未来Ark关注的DNA测序、机器人技术、能源存储、人工智能和区块链技术将会产生3-5倍的投资收益:金色财经报道，ArkInvest基金创始人Catherine Wood发布了年底的总结以及对未来的展望。木头姐表示，由于全球经济正在经历历史上最大规模的技术变革，大多数指数都可能处于危险之中。与许多与创新相关的股票不同，股票基准以创纪录的价格和接近创纪录的估值卖出，标准普尔500指数为26倍，纳斯达克指数为127倍。然而，涉及14项技术的五大创新领域可能会改变基准所代表的现有世界秩序。因此，我们认为，随着DNA测序、机器人技术、能源存储、人工智能和区块链技术的规模化和融合，未来五到十年内曾经久经考验（tried and true）的投资策略表现将令人失望。[2021/12/29 8:11:42]
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Rob Jhyndman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Jupyter Python/R Notebook形式查看。
本文中使用的Google Colab Notebook
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。