暴涨暴跌，BTC价格如何预测？

BTC从10月初的不到2万暴涨到12月7日的12万高点，随后连续3天暴跌，目前价格不到9万（12月10日晚上8点）。 如果能提前预知暴涨暴跌，人生该有多美好。

第一张图：

黑色长线是BTC最近270天的实际走势，彩色短线是人工智能预测的5天内的走势（数据标准化[-1,1]）

对大趋势的预测比较准确，但对拐点的预测不够准确； 下降的预测比上升的预测更准确。

货币价格可以预测吗？

这不是一个技术问题，而是一个哲学问题。 比如，上帝真的存在吗？ 笔者倾向于认为币价走势是可以预测的。 因为历史总是一样的。

TensorFlow 的福音

Tensorflow是谷歌在2015年开源的机器学习框架btc买涨跌，谷歌在自己的搜索、地图、翻译等产品中都使用了这个框架。 TensorFlow的出现大大降低了深度学习的门槛。 只要了解一些深度学习的常识btc买涨跌，就可以自己搭建一个可运行的分布式深度学习应用。 打败李世石的阿尔法狗是深度学习应用。 基于深度学习的价格预测，应该比跳大神更有说服力。

LSTM 根据历史预测未来

LSTM全称Long Short-Term Memory长时短期记忆神经网络，专门用于预测时间序列相关问题，主要应用于语音识别、翻译、图片描述、价格预测等领域。 LSTM改进了RNN（Recurrent Neural Networks）循环神经网络，对历史数据更加友好，解决了RNN层数过多时梯度消失的问题。 人类根据自己对已知历史的理解来推测未来。 人类不会丢弃所有已知的知识，然后大脑一片空白地思考。 人的思维是连续的、持之以恒的。 LSTM 模拟了人脑的这种思维过程。 使用 LSTM 进行价格预测应该是一个不错的选择。

数据源

我们选择了 BitCoinAverage 作为我们的数据提供者，BitCoinAverage 拥有世界上运行时间最长的虚拟货币价格数据库。 我们选取了2010年7月至今（2017年12月10日）全球50多个交易平台的BTC历史数据作为数据来源。

开始训练

为了减少单一市场和短期价格波动对币价走势的影响，我们以比特币在所有交易平台上的平均价格作为比特币当天的价格。 我们总共获得了超过 2700 天的比特币价格。 我们假设当天的比特币价格受到当天前 30 天比特币价格的影响。 我们可以将 2700 多天分解为 2700 多个训练组。 每个训练组的输入是比特币连续30天的价格，输出是比特币第31天的价格。我们随机选取2400多组作为训练集，另外270组作为验证集。 我们将训练集放入LSTM中进行训练。

结果验证

训练结束后，我们使用验证集来验证训练结果。 验证方法如下：输入1-30天的价格，预测第31天的价格； 输入2-30天的价格和第31天的预测价格，预测第32天的价格； 依此类推，直到第35天的预测价格； 绘制从第 31 天到第 35 天的价格趋势。 预测结果如图所示。

未来的改进

我们的预测模型仍处于起步阶段，预计会在以下方面有所改进：

1、将开盘价、收盘价、最高价、最低价纳入影响因子

2.减少历史数据的时间间隔，按小时获取历史数据

3.将每日预报改进为每小时预报

4.将其他货币的价格波动纳入影响因素

5.将实时新闻纳入影响因子

6.增加LSTM的层数

7.优化激活函数

8. 将序列模型改进为函数模型