数字货币价格反转点预测方法研究

摘要

近几年，以BTC为代表的数字货币以及相关的区块链技术，在全球范围内铺天盖地传播开来，刮起了“区块链”、“数字货币”的热潮，美国及欧洲部分国家实现了BTC等数字货币的合法化，越来越多的国内外投资者开始进入这个新兴领域。　　数字货币既能用来投资投机，也能用来进行支付交易。因此，对数字货币价格的走势进行分析和预测成为投资界关注的热点。但数字货币是个新兴市场，相比较股票市场有很大不同，各种因素都会造成极大的市场波动。相比具体价格预测，在趋势基础上的价格波动对于投资者更有现实意义，也更容易把握。因而，本文在技术指标分析的基础上结合相关机器学习算法，构建起用来进行数字货币反转点预测的数据模型，主要研究内容包括：　　（1）研究不同的数据处理方式对单个技术指标的统计准确率的影响。直接用技术指标值来判断数字货币反转点，是现如今投资者最重要的判断方式，也是简单有效的方法。但现有关于数字货币价格预测的成果，还没有关注单个技术指标统计准确率的。而且现有关于数字货币价格研究的成果中，对原始数据的处理基本是标准化、对数处理等，本文借鉴其他学科信号提取处理的模型，用来对数字货币价格的原始数据进行处理。本文选取当今市值前20的数字货币中具有代表性的7个币种，截取2015年8月7日-2020年1月30日的1638个日数据为样本，分三种情况对原始数据进行处理：①不进行任何处理②标准化处理③FastICA处理。然后分别再计算三种处理方式后的技术指标，如MACD,RSI,BIAS,KDJ和真实反转点向量，构建基于时间序列的价格反转点数据集；将三种情况的几个技术指标分别与真实反转点对比，分析每个技术指标能够达到的准确率；发现BIAS是综合表现最好的单个技术指标，而且FastICA处理后单个技术指标的统计准确率最高。　　（2）在建立了技术指标反转点数据集的基础上借助SVM三分类模型进行价格反转点的预测。实验结果表明，单个技术指标的统计准确率普遍较低，达不到较好的投资指导意义。而用SVM模型进行预测准确性，比单个技术指标统计准确性高不少。而且FastICA-SVM模型的预测准确率比其他两种数据处理方式后的SVM预测准确率高。说明了用SVM模型的必要性，也说明了FastICA这种数据处理方式比现有数据处理方式的优越性。　　（3）在FastICA进行数据处理的基础上对不平衡数据处理并建模分析预测准确率变化。首先构造向上反转点数据集和向下反转点的技术指标集，经过分析发现存在数据不均衡的问题。接着对两个不平衡指标集用SMOTE进行处理，构建一个基于SVM的二分类预测模型并对模型预测准确率进行评估，发现FastICA-SMOTE-SVM模型比FastICA-SVM模型的反转点预测准确率高。　　（4）比较FastICA-SMOTE-SVM模型和FastICA-SVM模型在指定交易规则下进行回测后的累计收益率。发现FastICA-SMOTE-SVM模型整体效果更好，且两个模型在“熊市”阶段。　　本文的创新点主要是：(1)把研究对象从具体价格预测转为反转点预测，降低了工作难度，对投资者更有指导意义。(2)把工科上用于混合信号分离的方法—基于独立分量分析的改进方法（FastICA）应用到数字货币价格时间序列的分解和研究中，从一个全新的角度研究数字货币价格趋势预测。(3)考虑了数字货币价格反转点数据不平衡问题，运用SMOTE工具进行了采样上的优化，避免了模型向大类偏移，影响最终效果。(4)本文既对模型进行比较评估，又通过回测实验进行模拟检验，比较不同模型基于随着时间推移的累计收益率，使得模型优劣对比更加方便。

目录

声明

1.绪 论

1.1 研究背景

1.2 研究内容和意义

1.2.1 研究内容

1.2.2 理论意义

1.2.3 实践意义

1.3 研究方法及框架结构

1.3.1本文主要研究方法

1.3.2 论文框架结构

1.4创新点和主要贡献

2.文献综述

2.1数字货币价格预测研究

2.2 价格反转点预测研究

2.3 不平衡数据处理

2.4 文献述评

2.5 本章小结

3.基于FastICA的数据预处理与指标构建

3.1数据预处理与指标构建框架

3.2数据准备

3.2.1数据获取与筛选

3.2.2 统计分析

3.3 数据预处理

3.3.1异常值处理

3.3.2 去噪

3.3.3 FastICA 处理

3.4 数字货币价格反转点计算

3.4.1 反转点概念

3.4.2 真实反转点的概念

3.4.3技术指标体系

3.5 本章小结

4.FastICA-SVM数字货币价格反转点的预测及回测

4.1 FastICA-SVM价格反转点的预测及回测框架

4.2预测算法的选择

4.2.1 预测方法种类

4.2.2 支持向量机优点

4.3 基于 SVM的反转点预测

4.3.1 SVM模型基本理论

4.3.2 SVM模型的优化

4.4 基于 FastICA-SVM的数字货币价格反转点预测算法

4.4.1算法步骤

4.4.2 实证分析

4.5 FastICA-SVM模型回测

4.6 本章小结

5.基于FastICA-SMOTE-SVM模型的数字货币价格反转点预测及回测

5.1 FastICA-SMOTE-SVM算法步骤

5.2 不平衡数据的定义和处理方法

5.3 实证研究

5.4.反转点预测模式交易回测

5.4.1实验数据

5.4.2 FastICA-SMOTE-SVM模型回测

5.5本章小结

6.结论及研究展望

6.1 重要结论

6.2 实践意义

6.3 不足与展望

参考文献

致 谢

在读期间科研成果目录