A Bitcoin ára 2018 elején eléri a 6358 dollárt a modell szerint

A fraktál Brown-mozgás az egyik legismertebb elmélet a fizika világában. A Wall Street-i kvantumok eszközhatásainak modellezésére is nagy hatással voltak. Ma azonban a Bitcoin árának modellezésére használják.

Egy nemrégiben papír Mariusz Tarnopolski fizikus, megjósolta a Bitcoin árát az elkövetkező hónapokban, és modellje szerint az árnak 2018 elejéig 6000 dollárt kell meghaladnia, 6358,32 dolláros céllal..

Ez csak néhány a bitcoin árpredikciók közül, amelyek az elmúlt hónapokban eltalálták a vezetékeket. Ezek többsége azonban olyan alapvető gazdasági elméleteken alapult, mint a kínálat és a kereslet.

Az előrejelzésből valóban érzékelhető a BTC árával kapcsolatos vélemények sokfélesége Subreddit. A legtöbb 5000 és 12 000 dollár között mozog, ami azt az érzetet kelti benned, hogy ezek nem mások, mint puszta találgatások. Ezért érdekes elméleti alapú tanulmányokat olvasni.

Mi a Brownian Motion?

Brown-mozgásrészecskékA Brown-mozgás olyan elmélet, amely szerint a fizikusok meg tudják mérni a részecskék mozgását. Számos természetes progresszióra alkalmazták, és ezeket nagy pontossággal képes megjósolni.

Ha kiterjesztjük a fraktálanalízisre és a véletlenszerű járás elméletére, számos más alkalmazás is megvalósítható. A pénzügyi modellezés alapjainak egyike a Geometric Brownian Motions (GBM) volt.

A GBM egy folyamatos időtartamú sztochasztikus folyamat, amely a Black-Scholes opciós árképzési modell alapja. Széles körben használják a sztochasztikus számításokban és a matematikai pénzügyekben.

Tekintettel arra, hogy a Black Scholes modellben használják, a GBM számításai dollármilliárdokat támasztanak alá pénzügyi eszközökben egy sor eszközre. Az eszközárakkal kapcsolatos előrejelzések modellezésére is eléggé kiterjedten használják.

Ezért lenne értelme alkalmazni az elméletet a Bitcoin árára, és megjósolni az árat.

A Bitcoin modellezése GBM-mel

A bitcoin ár sok más jellemzővel rendelkezik a többi pénzügyi idősor adatnál. Tarnopolski cikkében az előző, a Bitcoin áraiban szereplő adatok szolgáltatták a modell alapját az ár előrejelzéséhez.


A statisztikai eloszlás előállításához Monte Carlo szimulációt futtatunk 10 000 Brown-mozgásból álló mintán. Ez adja a véletlenszerű séta „véletlenszerű” részét.

Hasonlóképpen, a lehető legtöbb adatpont és pontosabb modellezés érdekében az eszköz hosszabb időtartamát használták. Az elemzést 2011 decemberétől 2017 júniusáig tartó adatokkal futtatták. Miután szimulálták, Tarnopolskinak elegendő adata volt ahhoz, hogy kiszámolja az adott árszint valószínűségét 180 nap alatt. Számított olyan fontos árjellemzőket is, mint például a medián, a mód és az átlag statisztikai eloszlása.

Ezt a modellt is csak 2016. december 31-ig tartó modellezési adatokból származó jóslatokkal tesztelték vissza. A vissza-tesztelés jóslatai szerint az ár 180 nap alatt 9,3% -os valószínűséggel meghaladhatja az 5000 dollárt, vagy csak 5,3% -os esély volt arra, az ár 955 dollár alá esne.

Mégis a legmeggyőzőbb előrejelzés a 180 napos ár medián becslése volt, 2337 dollárra. Ez nem volt messze a Bitcoin tényleges árától az év közepe felé, 2618 dollárnál. Ez a pontosság súlyt adott az ár jelenlegi becslésének.

További érdekes előrejelzések 2018 elejére, hogy az ár 27,5% -os eséllyel meghaladhatja a 10 000 dollárt. Ez kétségtelenül súlyt fog növelni azoknak az előrejelzéseknek, amelyek szerint a kulcs meghaladja az árat.

Modellezés egy csipet sóval

Míg az eszközárak modellezése a GBM-ekkel bevett tudomány az opciós világban, azok pontossága korántsem döntő. Sok akadémikus szerint azon természetes folyamatok nem alkalmazhatók finanszírozásra, ahol az emberi pszichológia fontos szerepet játszik.

A szerző ezt is megjegyzi, az 1987-es fekete hétfő vagy a közelmúlt pénzügyi válságának példáival olyan időszakok példaként, amelyeket szinte lehetetlen megjósolni. Ezek „fekete hattyú” események, és ennek az az oka, hogy a befektetési bank összes modellje nem jósolta meg a válságot.

Példát mutat be a Bitcoin kódjában szereplő kemény villákként, olyan események példájaként, amelyeket nem lehet pontosan megjósolni.

Kiemelt kép a Fotolia-n keresztül

Mike Owergreen Administrator
Sorry! The Author has not filled his profile.
follow me
Like this post? Please share to your friends:
Adblock
detector
map