¿Cómo predecir los precios de las criptomonedas?

El autor de este artículo, Jesús Rodríguez, es el científico jefe y socio ejecutivo de Invector Labs, y también el CTO de IntoTheBlock, un inversor ángel en el campo de las criptomonedas. En este artículo, Rodríguez resumió y compartió algunos datos secos sobre la construcción de un modelo de predicción de activos encriptados en un seminario web sobre la predicción de precios de criptomonedas que realizó. Xiaocong tradujo y organizó su publicación de blog. El texto completo es el siguiente:

Hace unos días, organicé un seminario web sobre predicciones de precios de criptomonedas. Este seminario web resume algunas de las lecciones que hemos aprendido en la construcción de modelos predictivos para criptoactivos en la plataforma IntoTheBlock. Hemos realizado una gran cantidad de investigaciones interesantes y profundas en esta dirección. Las siguientes son algunas ideas importantes que he resumido. Si también está interesado en predecir el precio de los activos cifrados, estas ideas pueden serle útiles.

La previsión de precios de criptomonedas es un problema que tiene una solución. Por supuesto, la solución definitivamente no es única y habrá muchos cambios en diferentes entornos de mercado.

Como dijo el gran estadístico británico George EP Box: "Esencialmente, todos los modelos que construye la gente son incorrectos, pero eso no significa que sean inútiles". Esto es aún más cierto cuando discutimos el problema de diseñar una entidad muy compleja como un mercado financiero. Para los activos cifrados, podemos usar algunos métodos para predecir las tendencias de precios futuras, pero ningún modelo puede hacer juicios precisos bajo ninguna circunstancia.

Pronóstico En general, tenemos dos enfoques básicos: basado en activos o basado en factores

Si el problema en el que está pensando ahora es predecir el precio futuro de Bitcoin, entonces esto significa que está pensando en el problema con el pensamiento "basado en activos". Otro enfoque "basado en factores" se enfoca en lo que podría sucederle al mercado si ocurre un determinado evento, y este enfoque no apunta directamente a un determinado activo fijo.

Tres implementaciones técnicas básicas para predecir el precio de los activos cifrados

En términos generales, la mayoría de los modelos de pronóstico para el mercado de capitales actualmente en el mercado se pueden dividir principalmente en las siguientes tres categorías, a saber, pronóstico de series temporales, aprendizaje automático tradicional y métodos de aprendizaje profundo. Los métodos de pronóstico de series de tiempo como ARIMA o Prophet se enfocan en predecir variables específicas basadas en propiedades de series de tiempo conocidas. En los últimos diez años, han surgido métodos de aprendizaje automático como la regresión lineal o los árboles de decisión y se han convertido en las principales soluciones para los modelos actuales de previsión del mercado de capitales. Sin embargo, en los últimos dos años, la popularidad de los métodos de aprendizaje de redes neuronales profundas ha aumentado rápidamente. Este método puede descubrir la relación no lineal entre variables para predecir precios. Este método de aprendizaje profundo se está convirtiendo gradualmente en una tendencia.

Ventajas y desventajas de los métodos de pronóstico de series de tiempo

Los métodos de pronóstico de series de tiempo son fáciles de implementar, pero tienen poca flexibilidad. Después de probar una variedad de métodos de análisis relacionados, descubrimos que dichos métodos son difíciles de trabajar en entornos complejos (como los mercados de capital). Este método es realmente fácil de implementar, pero es difícil que este tipo de método se adapte efectivamente a las fluctuaciones del mercado cuando el mercado cambia.La mayor limitación de este método es que está operando con una pequeña cantidad de predictores fijos, que no son bastante Es más difícil describir completamente el comportamiento del mercado, especialmente para las criptomonedas, que son activos extremadamente volátiles.

Pros y contras de los métodos tradicionales de aprendizaje automático

Es cierto que los métodos tradicionales de aprendizaje automático han logrado buenos resultados en el mercado de capitales, sin embargo, dado que en el mercado de criptomonedas a menudo han aparecido comportamientos anormales que "violan las 'leyes establecidas' de los mercados financieros tradicionales", estos modelos tradicionales de aprendizaje automático son muy importantes. para criptomoneda La adaptabilidad del mercado también es pobre.

Pros y contras de los modelos de aprendizaje profundo

En la prueba, encontramos que el modelo de aprendizaje profundo ha logrado excelentes resultados en la predicción de las fluctuaciones de precios de los activos encriptados, sin embargo, debido a la dificultad de construir este modelo, es difícil explicar su lógica de operación en un lenguaje relativamente simple. de hecho, es bastante difícil de implementar. En pocas palabras, el modelo de aprendizaje profundo es una solución de predicción que es difícil de comenzar pero es mejor después de ejecutarla.

En comparación con los activos tradicionales, el mercado de las criptomonedas presenta nuevos desafíos

En el proceso de predecir el precio de los activos encriptados, debe considerar cosas que son mucho más complicadas que los activos tradicionales. Porque en este mercado emergente, se encontrará con problemas como el volumen de negociación falso "elaborado" por los intercambios, o la mala calidad de los datos relacionados con las transacciones (discontinuidad de tiempo, pérdida de datos...) y así sucesivamente. Por lo tanto, se requiere mucho trabajo de infraestructura antes de construir el modelo para que coopere con el trabajo de predicción posterior. Aunque algunos modelos similares han aparecido en documentos en el mercado, muy pocos de ellos han sido realmente probados en el mercado.

Sin embargo, es precisamente la existencia de un gran número de incertidumbres y problemas novedosos lo que hace que "cifrado modelo de predicción de precios de activos" se volvió más desafiante, pero también más interesante.

Fuente: Shallot APP Los derechos de autor pertenecen al autor

Título original: Algunas reflexiones sobre la creación de un modelo de predicción de precios de criptomonedas

Tags：

SOL