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