HyperAI초신경

부추는 형세를 역전시켜 부자가 되게 한다! 캐나다 학자들, 비트코인 가격 예측 모델 발표

特色图像

주식 시장과 마찬가지로 비트코인 시장도 예측 불가능하게 상승하거나 하락하며 규칙이 없습니다. 하지만 최근 캐나다 연구진은 비트코인 가격의 상승과 하락을 예측하고 투자자들에게 참고 조언을 제공하기 위해 인공 신경망을 만들었습니다.

비트코인 가격은 2주 연속 하락세를 보였습니다. 비트코인은 월요일에 10,000달러 아래로 떨어졌을 뿐만 아니라, 지난 7일 동안 비트코인 가격은 27.09% 하락했습니다.

이번 주의 급격한 하락으로 인해 올해 비트코인의 지속적인 상승세가 중단되었고 투자자들은 불안해졌습니다.

최근 캐나다 연구진은 인공지능 기술을 사용하여 비트코인 가격 예측 모델을 구축했으며, 이 모델을 사용하면 무작위 주문을 하는 것보다 더 높은 평균 수익률을 낼 수 있다고 밝혔습니다.

인공신경망, 비트코인 가격 급등·급락 예측

비트코인의 특수한 성격으로 인해 일반 화폐와는 달리 가치를 제공할 물리적 형태가 없으며, 이에 대한 전통적인 기본 분석을 수행하는 것은 불가능합니다. 그 결과, 많은 투자자는 비트코인의 미래 움직임을 이해하고 예측하기 위해 과거 가격과 거래량을 바탕으로 구성된 기하학적 패턴인 소위 기술적 패턴을 추적하고자 합니다.

하지만 비트코인의 기술적인 측면은 정말 존재할까요?

캐나다 궬프 대학의 연구원인 니콜라 그라도예비치는 대규모의 복잡한 모델이 좋은 예측 결과를 제공할 수 있다는 것을 발견하고 Science Direct에 "비기본적이고 비모수적인 비트코인 예측"이라는 제목의 논문을 발표했습니다. 여기서 그는 비트코인 가격의 예측 가능성을 테스트하기 위해 이 인공 신경망(ANN) 모델을 설명했습니다.

논문 주소: (https://www.sciencedirect.com/science/article/pii/S0378437119309859)

그들은 대안적인 가치평가 및 예측 접근법으로 기술적 분석에 기반한 비모수적 모델을 제안했습니다. 간단한 기술적 지표를 사용하여 피드포워드 신경망을 통해 비트코인 수익에 대한 포인트 및 밀도 예측을 생성합니다.

구체적으로 두 연구원은 다음 두 가지 일을 했습니다.

1. 비트코인 가격 예측 가능성 탐구

우선, 이 글의 서두에서 언급했듯이, 사람들은 비트코인의 추세에 대해 다양한 의견을 가지고 있습니다. 기술이 정말로 그것을 예측할 수 있을까?

이 질문에 답하기 위해 연구진은 비트코인이 예측 불가능하다면 그들의 모델이 무작위 걷기 모델(본질적으로 추측과 다를 바 없음)과 다를 바 없을 것이라고 제안했습니다.

그래서 그들은 이동 평균이라는 기술적 지표를 예측 지표로 사용합니다. 이동 평균은 일정 기간(예: 50일 또는 200일) 동안의 가격을 평균화하고 이를 가격을 따라 선으로 표시하여 구성됩니다.

이동 평균을 사용하는 이유는 비트코인의 현재 가격이 지난 50일 또는 200일 평균 가격보다 높거나 낮을 경우, 거래자는 상승 또는 하락 추세를 예상할 수 있기 때문입니다.

그 결과, 해당 모델은 비트코인 가격의 예측 가능성을 보여주고 시간 경과에 따른 비트코인 성과와 비정상적인 변동성이 나타난 기간 동안의 비트코인 성과와 같은 요소를 고려한 매우 흥미로운 결과를 제공합니다.

2. ANN이 예측을 학습하는 데 도움이 되는 세 가지 예측 변수

그들은 예측 가능성을 확인한 후 2011년부터 2018년까지의 일일 관찰 결과를 활용하여 수익률, 50일 매수/매도 신호, 200일 매수/매도 신호라는 세 가지 예측 변수를 갖춘 인공 신경망을 만들었습니다.

또한, 그들은 시카고 보드 옵션 거래소 변동성 지수(VIX)를 포함하는 인공 신경망 모델을 테스트하여 주식 시장 변동성이 비트코인 움직임에 눈에 띄는 영향을 미치는지 확인했습니다(참고: VIX는 30일 시장 예측을 제공하는 S&P 500 지수를 기반으로 한 이론적 지수입니다. VIX 값이 높을수록 시장이 변동성이 크다는 것을 나타냅니다).

비트코인 선물 거래는 2017년 12월 10일 시카고 보드 옵션 거래소에서 시작되었습니다. 트레이더들이 거래소에서 일하고 있습니다.

인공 신경망은 인간 뇌의 기본 기능과 유사한 방식으로 작동합니다. 이 모델은 예측 변수(입력과 출력, 즉 비트코인의 일일 가격 변화)를 사용하여 모든 데이터에서 패턴을 학습하려고 합니다. 최적의 지점(더 이상 테스트할 필요가 없는 지점)에 도달할 때까지 패턴 테스트를 계속합니다. 이러한 고급 모델은 비즈니스와 엔지니어링 분야에서 사용되는 많은 AI 학습 프로그램의 기반을 형성합니다.

그들은 비트코인 기술적 분석과 신경망을 결합함으로써 ANN이 데이터에서 패턴을 찾아 미래 수익을 보다 정확하게 예측할 수 있기를 바라고 있습니다.

실험 데이터는 ANN이 더 높은 예측 정확도를 달성한다는 것을 보여줍니다.

이 모델은 63%의 정확도로 가격 변동을 예측합니다.

그들의 ANN 모델은 전체 관찰 기간 동안 무작위 워크 예측 오류를 약 5~10% 줄이는 데 성공했습니다. 이러한 예측의 개선은 통계적으로 유의미하며, 매일 비트코인 가격을 예측하는 것이 더 이상 추측의 문제가 아니라는 것을 보여줍니다.

또한, 그들의 연구 결과 중 하나는 비트코인이 전통적인 주식 시장의 변화에 영향을 받지 않는다는 것을 보여주었는데, 이는 전통적인 시장 투자자와 비트코인 투자자가 완전히 다른 두 그룹이라는 것을 보여줍니다.

ANN의 예측 성능을 더욱 개선하기 위해 그들은 또한 시장 비효율성을 더욱 확대하기 위해 데이터를 유사한 기간의 4개 하위 샘플로 나누었습니다.

4개 하위 샘플에서 ANN의 성능이 지속적으로 향상되고 있습니다.

2014년 10월부터 2016년 6월까지의 하위 표본에서 가장 좋은 결과가 나왔습니다. 200일 분리 신호 모델은 랜덤 워크보다 43.55% 더 좋은 성과를 보였습니다. 이 하위 샘플은 다른 세 하위 샘플보다 변동성이 낮고 관찰된 데이터 기간 중 가장 안정적인 데이터 기간입니다.

기본적으로 시장의 변동성이 클수록 데이터에서 패턴을 학습하고 ANN 모델을 훈련시키는 것이 더 어렵습니다.

그들은 가격 정확도뿐 아니라 인공 신경망 모델이 가격 상승이나 하락을 얼마나 정확하게 예측할 수 있는지도 살펴보았습니다. 이 주요 합성 모델은 2011~2018년 기간 동안 약 63%의 예측 정확도를 보였습니다.

즉, 이 모델을 사용하여 비트코인을 거래하면 얻는 평균 수익은 무작위 매수 및 매도 주문을 내는 경우의 수익 확률인 50%보다 높습니다.

다른 예측 모델과 비교했을 때, 이 ANN 모델은 비트코인에 대한 가장 정확하고 신뢰할 수 있는 예측 방법을 제공합니다.

그들은 또한 비트코인 가격의 역사적 추세가 예측 가능한 추세를 따르지만, 이러한 추세는 추측에 불과하며 실제 경제의 영향을 받지 않는다는 결론에 도달했습니다. 구체적인 투자 전략에 대해서는 이 모델을 실행해서 알아내야 합니다.

투자는 위험하므로 투자자는 신중해야 합니다.

비트코인은 처음 등장한 이래로 흥망성쇠를 겪었습니다.

처음부터 프로그래머는 1비트코인을 사용해 피자 두 판을 샀습니다. 2017년 말, 비트코인 가격은 사상 최고치인 20,000달러에 도달했습니다. 그러다 2018년 초에 비트코인은 9,800달러까지 떨어졌습니다. 그 후로 10,000달러 위에서 맴돌다가 최근에 10,000달러 아래로 떨어졌습니다.

그 운명은 번영일까요, 아니면 죽음일까요? BlockBeats는 비트코인이 다시, 혹은 여러 번 사라질 것이라고 예측합니다. 일부 분석가들은 비트코인이 2020년 이후 10만 달러까지 오를 것이라고 믿고 있습니다.

트럼프, 비트코인에 의문 제기하는 트윗 올려 저스틴 선, 트럼프를 점심 식사에 초대

트럼프 미국 대통령, 므누신 미국 재무장관, 파월 연방준비제도이사회 의장, 그리고 일부 의원들은 모두 암호화폐에 대한 의구심을 공개적으로 표명했습니다. 이는 비트코인 가격에도 큰 영향을 미칩니다.

그래서 저스틴 선은 트럼프 대통령을 특별히 초대해 버핏과 함께 비트코인과 블록체인에 대해 논의하는 점심 식사를 하게 했습니다.

이러한 모든 요소가 비트코인의 시장 가격에 영향을 미칠 수 있습니다. 인공지능 모델이 예측 과정에서 이러한 사항을 고려할 수 있을까?

AI가 낙관적으로 예측한다면, 비트코인에 투자할 생각이 있으신가요?

원본 기사를 읽으려면 클릭하세요