基于时间序列模型的比特币价格发展趋势分析
摘 要：
2008年中本聪提出了比特币的概念，随后根据其概念设计的开源软件诞生。因为比特币具有总量有限、去中心化、交易记录透明公开不可篡改等信用货币不具备的特点，这一创造性的发明，慢慢成为了研究界的热点，同时比特币具有商品属性和货币属性，受到投资界的重点关注，在目前贸易保护主义趋强和世界经济增长趋缓的背景下，比特币日渐成为人们理财和投资的工具之一，对比特币价格的预测显得愈发重要，本文查阅了国内外比特币预测方面的文献，在国外以应用神经网络模型居多，国内在比特币预测方面的文献仅有4篇，分别运用了小波分析、BP神经网络、贝叶斯线性回归模型和LSTM模型，尚无文献应用时间序列模型对比特币价格进行预测分析，所以，同时查阅了国内基于时间序列模型对股票和黄金指数的预测研究，为本题研究铺下了文献理论基础。
关键词：时间序列 比特币价格预测 预测模型
- 引言
2008年，中本聪在他的著名论文《比特币:一种点对点的电子现金系统》[1]中，首次描述了一种被他称为“比特币”的电子货币及算法。次年，他和他的团队发布了首个比特币软件，并正式启动了比特币金融系统。和法定货币相比，比特币没有一个集中的发行方，是基于比特币网络里的节点通过计算生成，谁都可以通过提供算力的形式参与发行比特币，而且可以在全世界范围内流通，可以在任意一台接入互联网的电脑或者移动设备如手机上买卖，并且在通过比特币网络进行交易时无法辨认交易双方的信息。比特币由计算机生成的一串串复杂代码组成，新比特币通过预设的程序制造，随着比特币总量的增加，新币制造的速度减慢，直到2140年达到2100万个的总量上限。因为比特币有总量有限、去中心化、交易记录透明公开不可篡改等信用货币不具备的特点，同时具有商品属性和货币属性，既能用来投资投机，也能用来进行支付交易，其价格的波动也异于传统货币和大宗商品的价格变化。因此，分析和预测比特币价格的走势也就成为理论界和投资界关注和研究的热点。2013年以来，由于受到多种因素的影响，比特币价格经历了数次大跌大涨，对世界各国的影响也越来越大。在贸易保护主义抬头和世界经济增长趋缓的背景下，比特币日渐成为人们理财和投资的工具之一，能否对比特币价格和走势进行分析判断就显得极其重要。比特币投资者只有深刻理解比特币价格的波动机制及比特币价格走势才能够有效规避比特币价格的波动风险，进而获得理想的投资收益。
- 国内外研究方向
在比特币诞生初期，人们对这一新兴事物比较陌生，国内外对比特币的研究主要是比特币的原理及其相关特点方面，经过数年的研究，对比特币系统、发行机制以及去中心化、匿名性等特点有了深入的了解，而如今随着比特币越来越广为人知，比特币价格的波动数据越来越多，目前，比特币价格趋势预测成为国内外学者和投资界研究的重点，并取得了较为丰硕的成果。
在国外，McNally S (2016)使用机器学习对比特币美元价格进行预测，价格数据来源于比特币价格指数。贝叶斯优化递归神经网络(RNN)和长期短期记忆(LSTM)网络，都取得了实现了不同程度的成功。LSTM实现了52%的最高分类准确度和8%的RMSE[2]。 Indera等(2017)提出了一种基于MLP的NARX比特币价格预测模型。并且该模型将常用数据与MA技术指标一起使用，并进行验证和拟合测试。结果表明该模型有效，而拟合测试(OSA和回归测试)则表明该模型可以很好地适合数据集[3]。 Radityo等(2017)使用人工神经网络方法预测第二天比特币的价格。并且比较了反向传播神经网络(BPNN)、遗传算法神经网络 (GANN)、遗传算法反向传播神经网络(GABPNN)和增广拓扑的神经演化(NEAT)四种神经网络方法，并进行了评估。结果表明，BPNN是最好的方法，MAPE为1.998plusmn;0.03 8%[4]。 Jang H和Lee J ( 2018)提出了一种基于贝叶斯模型和神经网路模型的BNN模型，并从从区块链信息中选择最能影响比特币供需的功能，并使用它们来训练模型，以提高最新比特币定价过程的预测性能。实证研究表明贝叶斯神经网络模型和一些其他线性和非线性基准模型相比，BNN模型在预测比特币价格时间序列和解释最近比特币价格的高波动方面表现良好[5]。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
