images/intraday_techs-210518180933-0.jpeg

透過計量模型與機器學習模型進行加密貨幣的收盤價、報酬率及泡沫與崩盤的相關預測。以羅吉斯迴歸計量模型,預測TOP25%、BOTTOM25%以及TOP50%報酬。

TOP25%報酬與流動性、波動性、行為面以及技術面變數顯著正相關,與價量、總經面變數顯著負相關。BOTTOM25%報酬與價量、波動度、行為面變數顯著正相關,與技術面變數顯著負相關。TOP50%報酬與波動度、集中度、行為面及技術面變數顯著正相關,與價量、總經面變數顯著負相關。而羅吉斯迴歸的Partial Rsquared 前10 大變數主要集中在價量、行為面以及總經變數。

推測加密貨幣的價值較不受基本、技術面等等的影響,主要較受行為面與總經面所牽連波動,當中原因推敲可能乃是投資人易受到其他投資人行為的影響,例如:搜尋量、討論度等等;而回到投資人本身,加密數位貨幣的價值較難衡量,因此透過景氣波動的觀察,部分投資人將數位加密貨幣作為避險工具,因此與黃金與債券等等避險指數有所顯著相關。
 
透過機器學習的LSTM 模型預測加密貨幣收盤價,發現除了BTC、ETH 較不能準確預測外,其餘的加密貨幣於樣本外皆能準確預測,且預測收盤價的前10大變數,主要集中在價量、技術面及行為面變數。以模型配適度及準確度來看,隨機森林、SVM 及羅吉斯迴歸計量模型的表現皆不錯。預測漲勢及跌勢的前十名重要變數,主要集中在行為面、網絡面及價量變數。

 

 

立刻免費註冊會員觀看加密貨幣網絡視覺化: 馬上註冊去 !

去哪裡觀看加密貨幣網絡視覺化?: 馬上體驗加密貨幣網絡視覺化

 


留下你的回應

以訪客張貼回應

0
  • 找不到回應