Рынок криптовалют продолжает расти, постепенно приближаясь к показателям конца 2017 года. Хотя с тех пор прошло уже достаточно времени, инвесторы по-прежнему испытывают трудности с прогнозированием курса такого изменчивого актива как биткоин. Однако команда канадских ученых недавно определила, что используя алгоритмическую модель на базе трех переменных можно эффективно определить направление дальнейшего движения цены.
Проблемы анализа
Поскольку криптовалюты не имеют физической формы, то традиционный фундаментальный анализ к ним не применим. Следовательно, многие инвесторы отслеживают технические торговые индикаторы (геометрические фигуры, построенные из исторических цен и объемов торгов), чтобы понять и предсказать будущее движение на графике.
Некоторые трейдеры добились успеха со сложными методиками, которые имеют сотни переменных, поэтому не позволяют определить ключевые факторы влияния. Недавно команда исследователей из Школы бизнеса и экономики им. Ланга при Гуэлфском университете разработала модель искусственной нейронной сети (ИНС) для проверки предсказуемости поведения виртуальной валюты.
Прогнозирование колебаний
В качестве предикторов они использовали скользящие средние, которые создаются путем усреднения курса за определенный период времени (например, 50 или 200 дней) и построения их в виде линии на графике с ценами. Основанием для такого выбора является то, что если цена биткоина сегодня становится выше или ниже средней за последние 50 или 200 дней, трейдеры могут ожидать появления восходящего или нисходящего тренда.
При этом если криптовалюта непредсказуема, то эффективность модели будут совпадать со случайным блужданием или обычным гаданием.
Применение искусственного интеллекта
Используя исторические данные за последние восемь лет, исследователи создали ИНС с тремя переменными: доходностью, 50 MA и 200 MA. Они также протестировали модель, которая включала индекс волатильности СВОЕ (VIX), чтобы увидеть, влияют ли колебания фондового рынка на движение курса биткоина.
Разработанная модель использовала предикторы и выходные данные, пытаясь сформировать шаблоны. ИНС продолжала работать пока не достигла оптимальной точки, после которой дальнейшие проверки стали излишними. Подобные модели составляют основу многих программ обучения искусственного интеллекта, которые используются в бизнесе и технике.
Отдельный класс инвесторов
За весь период наблюдения, обученная нейронная сеть ошибалась на 5-10% реже по сравнению с методом случайного блуждания. Это подтвердило, что прогнозирование курса криптовалюты на ежедневной основе больше не является догадкой. Результаты исследования также показали, что курс BTC не зависит от изменений на фондовом рынке.
Дальнейшее разделения данных на четыре подвыборки за равные периоды времени еще больше повысило эффективность прогнозирования сети.
Подвыборка с октября 2014 года по июнь 2016 года, дала наилучшие результаты исследования. Изолированная 200-дневная MA превзошла случайное блуждание на 43,55%. Ученые отметили, что эта подвыборка имела наименьшую волатильность по сравнению с другими тремя и была наиболее стабильным периодом данных.
Наряду с точностью определения цен они также наблюдали, как часто модели правильно предсказывали, будет ли курс расти или падать. Точность прогноза основной комплексной модели за весь период составила 63%. Иными словами, торговля биткойнами с помощью данной модели была бы в среднем на более прибыльной, чем размещение случайных ордеров на покупку и продажу, которые приносили бы прибыль с вероятностью 50%.
Спекуляция и предсказание пузырей
Исследователи пришли к выводу, что динамика доходности биткойна характеризуется прогнозирующими локальными нелинейными тенденциями, отражающими спекулятивный характер торговли криптовалютой.
Хотя люди продолжают спорить о достоинствах и недостатках биткоина как валюты, команда канадцев, по крайней мере, оценила его как интересный, а теперь и более прогнозируемый, торговый актив.
текст: Мария Аляева, фото: TheNYPost, Shutterstock
