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。
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]
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。
声音 | 达闼科技副总裁：区块链的互信机制可解决机器人能力提高的隐性威胁:金色财经报道，达闼科技副总裁徐晓晖表示，机器人通过云端连接贯通将带来机器人能力的进一步互相提升，由此可能带来的隐性威胁，则需要区块链技术的护航。未来机器人的功能将远远多于手机，那么是否会面临潜在的机器伤人等事件需要前期有所防范。运用区块链的互信机制，从云端对机器人操作指令进行认证和掌控，就可以解决这一问题。[2019/11/6]
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。
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。
分析 | 去中心化交易所上存在机器人利用提高 gas 费获得优先订单的模式进行套利:美国康奈尔大学的研究人员通过对去中心化交易所上套利机器人的研究发现，这些套利机器人可以像传统交易市场上的高频交易者一样，利用去中心化交易所部分弱点，获得套利收益。康奈尔大学的研究人员在一篇论文中指出，这些套利机器人通过抬高交易 gas 费的方式获得优先的区块位置和订单的优先执行，从而使得当普通交易者在于机器人进行对手交易时处于劣势。该研究同时指出，这种提高交易费获得优先交易订单的做法也会给区块链共识层的安全性带来系统风险。[2019/4/13]
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 | 加密货币钱包Wuabit宣布将推出通信机器人与WhatsApp整合:据Coingape消息，加密货币钱包Wuabit最近宣布完成其Messaging Bot（通信机器人）将与即时通信应用程序WhatsApp进行整合。该机器人将作为联系人添加到WhatsApp列表中，Waubit Bot将根据收到的消息执行加密货币相关操作。该应用的细节尚未公布，其公测版预计将于2019年4月上线。[2019/3/26]
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。
声音 | 华尔街日报：比特币价格由交易机器人操纵:据华尔街日报报道，操纵比特币价格的机器人并不是新出现的，也不会消失。这一问题仍在受到监管机构的审查，美国证券交易委员会（SEC）在8月份拒绝了多份比特币ETF申请时就引用了这一问题。CoinList总裁兼联合创始人Andy Bromberg表示，机器人在全市场范围内猖獗，至少目前是这样。加密货币对冲基金Virgil Capital的执行合伙人Stefan Qin表示，自己使用机器人在全球数十个加密货币交易所与“敌方”机器人作战。他的公司已经建立了“错误处理功能”，以识别可能非法的活动。[2018/10/3]
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。