Svaret på at forudsige Bitcoin kan ligge i kunstig intelligens

Mens Bitcoin forsøger at genvinde noget af den glans, den havde i slutningen af ​​2017, da den næsten nåede 20 USD, 000 i værdi, investorer stiller stadig spørgsmålstegn ved, hvordan man kan forudsige en så volatil valuta.

Som kryptovaluta, der er ingen fysisk form, der giver Bitcoin værdi, så det er umuligt at udføre traditionel fundamental analyse af valutaen. Følgelig, mange investorer sporer de såkaldte tekniske handelsindikatorer (geometriske mønstre konstrueret ud fra historiske priser og handelsvolumener) for at forstå og forudsige Bitcoins fremtidige bevægelse.

Nogle forskere har fundet succes med store komplicerede modeller. Men disse har nogle gange hundredvis af variabler (eller prædiktorer), og det er svært at bestemme nøglefaktorer eller teste replikerbarheden af ​​sådanne tilgange. Det er også svært at forstå, hvilke faktorer der virkelig driver Bitcoin-udsving på markedet.

I over 20 år, Jeg har forsket i anvendelserne af AI i finans. På Lang School of Business and Economics ved University of Guelph, min medforfatter og tidligere kandidatstuderende Robert Adcock og jeg skabte en kunstig neuralt netværk (ANN) model for at teste forudsigeligheden af ​​Bitcoin-priser.

Forudsigelse af udsving

Vi brugte tekniske indikatorer kaldet glidende gennemsnit som prædiktorer. Glidende gennemsnit er konstrueret ved at tage et gennemsnit af priser over en periode (f.eks. 50 eller 200 dage) og plotte dem som en linje sammen med priserne. Begrundelsen for at bruge glidende gennemsnit er, at hvis prisen på Bitcoin i dag bliver større eller lavere end gennemsnitsprisen over de seneste 50 eller 200 dage, handlende kunne forvente fremkomsten af ​​en opadgående eller nedadgående tendens.

Hvis Bitcoin er uforudsigelig, så forventes vores model ikke at slå den tilfældige gå-model - i det væsentlige, det er ikke bedre end at gætte.

Imidlertid, vores model gav nogle meget interessante resultater vedrørende Bitcoins forudsigelighed over tid og under anfald af usædvanlig volatilitet.

Kunstig intelligens prognoser

Ved at bruge daglige observationer fra 2011-2018, vi oprettede en ANN med tre forudsigelser:returnerer, 50-dages køb-salg-signal og 200-dages køb-sælg-signal.

Vi testede også en ANN-model, der inkluderede Chicago Board Options Exchange Volatility Index (VIX) for at se, om aktiemarkedets volatilitet havde nogen mærkbar effekt på Bitcoin-bevægelser. VIX er et indeks, der giver teoretiske 30-dages markedsforventninger baseret på S&P 500-indekset. Højere værdier af VIX indikerer, at markedet vil lave et stort sving.

Kunstige neurale netværk fungerer på samme måde som den menneskelige hjernes grundlæggende funktion. Vores model tager forudsigelser, eller input, og output (den daglige prisændring på Bitcoin) og forsøg på at lære et mønster fra alle data. Den fortsætter med at teste sine mønstre, indtil den når et optimalt punkt, hvor yderligere test er overflødigt. Disse avancerede modeller udgør rygraden i mange AI-læringsprogrammer, der bruges i business og engineering.

Ved at kombinere Bitcoin teknisk analyse og neurale netværk, vi håbede, at ANN ville finde et mønster blandt dataene, der gjorde det muligt for os mere præcist at forudsige fremtidige afkast.

Ikke-traditionelle investorer

Vores ANN-model lykkedes faktisk med at reducere forudsigelsesfejlen for den tilfældige gang med omkring fem til 10 procent over hele observationsperioden. Disse prognoseforbedringer er statistisk signifikante, indikerer, at forudsigelse af Bitcoin-priser på daglig basis ikke længere er gætværk. Vores resultater viser, at Bitcoin er upåvirket af, hvordan aktiemarkedet ændrer sig, hvilket tyder på, at traditionelle markedsinvestorer og investorer i Bitcoin er to adskilte grupper.

Vi opdelte også dataene i fire delprøver af lignende tidsrammer for yderligere at zoome ind på markedsineffektivitet. Vores ANN's prædiktive ydeevne forbedredes yderligere inden for disse delprøver.

En delprøve, løber fra oktober 2014 til juni 2016, givet de bedste resultater af undersøgelsen. Den isolerede 200-dages signalmodel overgik den tilfældige gang med 43,55 procent. Vi bemærkede, at denne delprøve havde lav volatilitet sammenlignet med de tre andre delprøver og var den mest stabile periode med data, vi observerede. I det væsentlige, større markedsvolatilitet gør indlæring af datamønstre og træning af ANN-modellen vanskeligere.

Sammen med prisnøjagtighed, vi observerede også, hvor ofte vores ANN-modeller korrekt forudsagde, om priserne ville stige eller falde. Vores vigtigste omfattende model over hele perioden 2011-2018 havde næsten 63 procents forudsigelsesnøjagtighed. Sagt anderledes, Bitcoin-handel med vores model ville i gennemsnit være mere rentabelt end at placere tilfældige købs- og salgsordrer, der har 50 procents chance for at tjene penge.

Spekulationer og forudsigende bobler

Sammenlignet med andre prædiktive modeller, vores ANN leverede den mest nøjagtige og pålidelige forudsigelsesmetode for Bitcoin. Vi konkluderede, at den historiske udvikling af daglige Bitcoin-priser fulgte forudsigelige tendenser (eller bobler), der potentielt opstår fra den spekulative karakter af handel med kryptovaluta.

Vi tror, ​​at fremtiden for at forudsige Bitcoin - og måske investere generelt - ligger i evnerne til kunstig intelligens og kunstige neurale netværk. Mens folk kan skændes om fordelene ved Bitcoin som valuta, vi kan i det mindste værdsætte det som en fascinerende - og nu lettere at forudsige - vare.

Denne artikel er genudgivet fra The Conversation under en Creative Commons-licens. Læs den originale artikel.