模态分解及混合模型在比特币价格预测中的应用

独特的生产、发行和交易机制等多种因素的影响下,比特币价格表现出极端的波动性,导致了预测任务的复杂性.为此提出了基于改进的自适应噪声完备集合经验模态分解(ICEEMDAN)的混合预测模型,将复杂的原始序列分解成多个简单固有模态函数(IMFs),并通过重构算法将IMFs集成为不同频率的分量.根据各分量的不同数据模式,选取不同机器学习模型分别进行预测,叠加各分量预测结果得到最终比特币价格预测结果.对比结果表明,该模型在各评价指标上均优于单一预测模型,混合模型可以优化预测结果,较好地减小预测误差.

融合情绪分析和Informer-ARIMA模型的比特币价格预测方法

相较于传统金融产品,比特币价格更容易受到情绪的影响而展现出更高的波动性,为此价格预测具有极高的研究价值。为提高比特币价格预测的精准度,文章在预测模型中引入情绪指标,构建融合情绪分析和Informer-ARIMA模型的预测方法。从多维度分析价格时间序列的随机波动、循环变化、周期变化等变化规律,对比特币的价格进行有效预测。测试结果表明,融合情绪分析的Informer-ARIMA模型性能更优,验证了所提方法的可行性和有效性。

DC/EP发行对比特币价格的影响——基于事件研究法的分析

央行在2020年加速人民币央行数字货币DC/EP的发行和应用,这对数字货币产生了重大影响。本文采用事件研究法,选取了央行发布DC/EP相关信息的两个事件,研究事件发生前后比特币异常收益率变动情况,结果表明DC/EP的发行能够引起比特币价格的短期增长。

比特币价格暴涨之谜

今年以来,比特币价格屡创新高。作为一种通过特定计算机程序生成的虚拟商品,比特币的价格同样受到供求规律的影响。逐年增加的生产成本、不断增长的避险和投机需求共同推动了比特币价格的上涨。未来,由于受到总量限制和生产成本的制约,加上市场需求的不断增长,比特币价格长期仍然是看涨的。

基于LSTM混合模型的比特币价格预测

聚焦于具有极度非线性、非平稳性等特征的比特币价格预测问题,在长短时记忆网络(Long Short-Term Memory,LSTM)基础上构建了4个混合预测模型,利用小波变换(Wavelet Transform,WT)以及自适应噪声的完备经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)对序列进行分解与重构,并引入了样本熵(Sample Entropy,SE)进行重构优化,使用LSTM对重构以后的子序列分别进行预测,最后将其叠加得到最终的预测结果。在预测结果的评判上,使用均方根误、平均绝对百分误以及希尔不等系数来进行拟合评价,并将结果与单一LSTM模型进行比较。研究发现混合模型的预测准确性均优于单一模型,且样本熵的引入可有效降低预测误差。

美国、韩国、日本比特币价格的动态关系分析——基于VECM模型

本文运用协整检验、误差修正模型等方法,分析了美国、韩国、日本比特币价格之间的动态关系。结果表明,美国、韩国、日本比特币价格具有长期均衡关系,其中韩国及日本比特币价格波动对美国比特币价格有较强的冲击,对比特币市场起引导作用;而美国比特币价格波动对韩国及日本比特币市场影响较小。

比特币价格形成机制的影响因素

本文通过对比特币价格与五种传统投资工具价格间长期平稳及短期引导滞后关系进行检验,试图探究比特币是否已经成为一种成熟的投资替代工具,其价格的波动是否受到其他投资工具价格的影响。通过协整关系检验发现比特币价格与传统投资工具价格间不存在长期平稳关系,但在短期内比特币价格仍然受到股票指数和汇率的正向影响以及利率的负向影响。

CEEMDAN分解下基于NAR神经网络的比特币价格预测

为了帮助投资者更好地对比特币未来走势进行判断,利用CEEMDAN分解方法对比特币价格进行分解,并用NAR神经网络模型和ARIMA模型进行预测,同时与直接使用两个模型的预测效果进行比较。结果发现,在中长期上通过CEENDAN进行分解后预测精度更高,但运用在短期上会使精度降低,同时与ARI-MA模型相比,NAR神经网络模型的预测精度更高。

比特币价格风险、宏观经济波动与股市风险传染——基于分位数关联网络的分析

本文以中国股市28个一级行业为研究样本,利用分位数关联方法量化各一级行业间的金融互联程度,进一步结合空间自回归模型,将比特币价格波动对中国股市造成的风险冲击分解为直接效应与间接效应,测度了比特币价格波动的风险传染效应,并从宏观经济层面分析了其影响因素。研究发现:比特币价格波动对股市行业收益率存在正向影响,且其可以通过行业间的分位数关联在不同行业之间扩散。此外,不同市场状态和不同频率的行业关联呈现出异质性的风险传染模式。具体而言,市场平稳状态、繁荣状态、低迷状态下的风险传染效应依次减弱;中期(周度)的比特币风险传染效应强于短期(日度)的风险传染效应;在市场平稳状态下,周度频率分位数关联网络下的风险传染效应更强。分组检验显示,较低的利率和价格水平能够显著减弱比特币价格冲击对中国股市的风险传染效应。本文的贡献有两点:第一,采用分位数关联方法构建了各一级行业收益率间的依赖结构,并描绘了不同频率和市场状态下的分位数关联网络;第二,使用空间自回归模型将风险冲击分解为直接效应和间接效应,这有助于了解分位数关联在风险传播中的作用,为制定防范比特币风险的相关政策提供了经验证据。

比特币交易网络结构演化特征与比特币价格波动的非对称联动研究

作为当前最具影响力的数字加密货币,比特币的价格机制一直是世界各国学者们关注的焦点。本文基于异构网络分析理论,利用2015年1月1日—2018年7月31日共计1307天的比特币交易数据构建比特币交易网络,并采用序列相关分析、长期协整检验、线性回归和门限回归模型分析比特币交易网络结构演化特征与比特币价格的联动机制。研究发现:比特币交易网络中的交易节点数、地址节点数、地址节点平均余额、地址网络直径对比特币价格具有正向联动效应,网络密度对比特币价格具有负向联动效应。当比特币价格处于低于和高于4360美元两种不同情况时,网络结构演化特征对价格的联动影响具有显著的非对称性,并且当价格高于4360美元时,网络结构演化特征对价格的影响更加显著。

经济政策不确定性、投资者情绪与比特币价格波动

本文基于2013年5月至2021年1月的月度数据,采用带有随机波动率的时变参数向量自回归(SV-TVP-SVAR)模型揭示了全球整体的经济政策不确定性、投资者情绪与比特币价格之间的动态时变关系。研究结果显示:第一,经济政策不确定性对投资者情绪和比特币价格的影响具有显著的时变特征。2018年之前经济政策不确定性会对投资者情绪和比特币价格产生负向效应。

数字货币的价格影响分析——以比特币为例

经过十多年的发展,以比特币为代表的数字货币取得了快速发展,比特币与不同类型资产的相关性显著增强。运用SVAR模型对比特币价格影响因素的分析结果表明,比特币价格受到欧元兑美元汇率、纳斯达克指数正的效应影响,受到黄金和联邦利率负的效应影响,且随着时间的推移,比特币受到的响应逐渐减弱。BTC价格影响的方差分解结果表明,BTC的变化对自身的影响最大,各项指标对比特币价格的影响逐渐增大,其中黄金价格对比特币价格影响最大。据此,在比特币发展过程中,既要注重监管,也要鼓励创新。

3.4万美元 比特币新高背后的疯狂与风险

2021年开年,比特币可谓是赚足了眼球。截至2021年1月3日17时05分,比特币报价34508美元。24小时内涨幅15.52%,7日涨幅24.4%,月内涨幅94.19%,年内涨幅633.43%,较初始价格计算,比特币价格已经翻了1380万倍!不过,有人欢喜有人忧,比特币价格新高的同时,记者注意到,1月3日,近24小时爆仓的币民已达57648人,爆仓金额达10.05亿美元。

虚拟货币的政策之踵

“币圈一天,人间一年”,概括尽币圈人的喜怒哀乐。那起伏的价格曲线,不仅昭示着币圈人财富的增或减,更牵动着情感的喜和悲,人生的峰与谷。2020年3月13日,经历了从7895.51美元急挫到4474.74美元的低点后,虚拟货币中的老大比特币价格开始一路向上:2020年11月1日,突破曾经的历史高点19504美元;2020年12月16日,站上2万美元关口;2021年1月2日,达到3万美元.

净值高的基金是不是风险大

大家对高单位净值的担心,主要就是两个方面,一个是高净值基金上涨会受到限制。第二个是低净值基金上涨潜力可能更大。其实从基金净值的公式就能看出来,基金上涨和净值高低之间,并没有必然的联系。有句投资名言说:树不会涨到天上去。也就是说一个东西上涨太多了总会下跌。比如猪肉价格、黄金价格、还有比特币价格。就算是房价,上涨到现在这个阶段,继续向上涨的空间也已经很小了。

中国股市身处何阶段(上)

近期全球股市持续创历史新高(中国股市除外,原因以前文章早已说明),比特币价格升破6万美金大关,让笔者不得不仔细研究股市之过去,然后探索未来。首先介绍全球股市500年走势图构成。其中,1509年至1601年为Genoa指数,1602年至1692年为荷兰股市指数,1693年至1788年为英国股市指数,1789年至2016年为美股股市指数(主要是标普500指数及其延伸)。

探索区块链生态行业新方向

目前,已上升至多国国家战略的区块链行业迎来多个重大新机遇,给新冠疫情蔓延下的全球经济注入了一剂“强心针”:2020年4月,“产业区块链”被中国发改委纳入新基建范畴,区块链应用落地场景遍地开花;2020年12月10日,新加坡最大的商业银行星展银行正式宣布提供加密数字资产领域的一系列服务;今年1月4日,美国货币监理署又批准美国银行使用区块链和稳定币新技术;截至发稿时,比特币价格已突破3万7千美元,并不断在刷新历史新高;此外,算力产业、分布式存储在今年迎来了产业新浪潮。

比特币再次崛起?

2019年,以波动性而闻名的比特币跌至不到4000美元。然而,在最近几个月,比特币价格再次崛起:从去年9月的1.1万美元升至12月的2.4万美元,再到今年1月超过4万美元,3月达到6.1万美元——这个数字已经是2017年峰值的三倍多,2019年谷值的19倍。这让许多投资者回想起了2017年,当时比特币价格大幅上涨至近2万美元,而随后一年时间里暴跌了80%。比特币的反弹不禁引发了人们对又一个泡沫会否破灭的担忧。

虚拟货币监管困局

过去三周,虚拟货币市场出现今年以来最大幅调整,比特币价格儿近腰斩。在这轮调整中,一边是中美金融监管部门相继发出强监管信号,一边是大量虚拟货币拥趸抄底入场。这背后反映出虚拟货币自出现以来就存在的巨大争议。

微有声

自从接触币圈,腰不疼了,腿不酸了,就连心脏也不跳了。——三大金融协会日前发布的公告,堵住了加密货币与法币之间的出入金通道,导致比特币价格大跳水。有币圈投资者感慨“币圈崩盘”登上了微博热搜.