作者：Michel Kana, Ph.D，翻译：Jeremy

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。

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。

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（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。

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。

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。

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。 (责任编辑：admin)