比特币价格预测：机器学习方法与研究现状

Han等人（2020）采用非线性自回归外生变量（NARX）技术，预测比特币在每日频率下的美元回报。比特币回报也被用作输入特征，并且作者报告称NARX模型能够预测趋势但不能预测突破。Atsalakis等人（2019）提出了一个混合的神经模糊控制器（PATSOS）模型，用于预测比特币、以太坊、瑞波和莱特币的价格，将问题同时考虑为分类和回归。该研究观察到PATSOS的预测比其他选择的基准模型显着更好。特别是PATSOS的预测回报显着优于基于预测技术指标的选择符号的买入/持有策略。Basher和Sadorsky（2022）研究了预测比特币价格走势以预测特定时期可能出现的趋势，并利用此信息规划资产配置。该研究调查了不同输入变量的加密货币预测的重要性，如通胀率、利率和市场波动率。作者应用基于树的机器学习技术来预测比特币价格的方向，并报告了75%至80%的准确度水平。