什么？ ！ 预测比特币价格？

本文的实验方法和结果来自：

最多

新一期《生活大爆炸》聊比特币 四大极客聊比特币近期疯狂涨价

可悲的是，比特币是在 7 年前开采的……

比特币最近的涨价很疯狂，所以如果有一种算法可以预测比特币的价格，那将是多么美好的未来……

11 月 28 日，比特币突破 10,000 美元大关。 谁能告诉我下一个 20,000 美元会在哪里……不要告诉我这怎么可能？

但！ 真的有可能！

毕业于 UCL 的 David Sheehan 博士正在使用 LSTM 算法预测比特币的价格。 上车，我们来看看吧！

什么是 LSTM？

LSTM（longshort-termmemorynetwork）：长短期记忆网络是一种具有记忆效应的神经网络，它有一个特殊的机制：

LSTM应该具有记忆特性，随着时间的更新，判断当前信息是否应该保存，以便以后读取保存的信息。

LSTM也应该有健忘性，对应记忆特性，需要选择不需要的应该遗忘的信息。

参数设置：

ltm(t)：长期记忆

wm(t)：工作记忆

remember(t): 记忆向量

save(t): 保存向量

focus(t): 注意向量

x(t)：时间 t 的输入值

数学描述

1.使用sigmoid激活函数在t时刻更新记忆向量，因为我们需要选择那些需要记忆的输入，需要保留工作记忆

2.用双曲正切函数计算t时刻输入信息中有价值的信息，并输入到长时记忆的候选集中。

3.还要判断当前哪些信息是有价值的，值得保留的，存入save vector

4. 上面的记忆向量更新完成后，我们就可以计算更新后的长时记忆向量了。 更新公式如下：

5.更新长期记忆后，需要继续更新工作向量。 这时候就需要学习现有的长时记忆需要关注哪些方面。

LSTM图

实验测试

了解了 LSTM 的基本原理后，就可以开始手动预测比特币的价格了。

检索数据

数据来源网址：coinmarketcap.com

我们使用python加载一些包文件，并从这个URL中获取数据进行分析。

获取比特币价格数据后，绘制价格波动曲线，可以更直观的看到价格波动

选择训练集

本文选取2017.6.1之前的比特币价格数据作为训练数据集。

训练数据

David Sheehan 博士选择了 Keras 框架。 模型的输入数据如下： close_off_high：当日最高价与收盘价之差，volatility：（最高价-最低价）/开盘价，衡量当日价格波动情况，close：收盘价。

其次，我们需要对数据进行处理：训练时选择的窗口步长为10，即当前时刻，我们可以将前十天的数据作为记忆，然后逐渐移动。 除了方便处理外，还需要对数据进行归一化处理，使其介于(-1,1)之间。

数据处理后比特币有什么价值，开始将数据输入模型。 10行数据组成矩阵输入，dropout为0.25，LSTM网络神经元个数为20。

培训成果

在测试集中，LSTM模型取得了不错的效果，预测价格可以非常接近真实价格。

作者还对以太坊进行了预测分析。 效果也很好。

写在最后

通读这篇文章，我们似乎发现了一些了不起的东西。

看来，百万富翁晋升之路就在眼前。 然而，自古以来预测金融价格就不是那么容易了。 比如比特币，需要考虑国家政策、算力等多方面因素比特币有什么价值，经常会出现价格突然变动的情况。 不过人工智能和金融结合分析是大势所趋，感兴趣的朋友可以继续挖掘。