摘要：簡言之我們可以利用LSTM這種神經(jīng)網(wǎng)絡(luò)，通過對歷史數(shù)據(jù)的學(xué)習(xí)，來預(yù)測未來的結(jié)果。數(shù)據(jù)集訓(xùn)練過程以過去10天的價格數(shù)據(jù)作為輸入，第11天作為輸出來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，數(shù)據(jù)集的80%作為訓(xùn)練集，20%作為測試集。...

今日模型預(yù)測：

日期(香港時間)(香港時間): 2024-01-29

開盤：305.38 最高：311.98 最低：299.17 收市：306.11

根據(jù)測試結(jié)果，如果你打開20倍的杠桿，當(dāng)天按預(yù)測的最低價做多，你暴倉的概率只有1%，按當(dāng)天預(yù)測的最高價做空，暴倉的概率只有6%?。?！

LSTM的基本原理

LSTM(長短期記憶網(wǎng)絡(luò))是一種特殊類型的循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN），該設(shè)計用于解決傳統(tǒng)RNN在處理長序列數(shù)據(jù)時遇到的梯度消失或爆炸問題。它通過引入三扇門（遺忘門、輸入門和輸出門）和一個記憶模塊來控制信息的流動，使LSTM能夠有效地長期保存和瀏覽信息。這些門的結(jié)構(gòu)使LSTM能夠靈活地添加或忘記信息，然后在處理序列數(shù)據(jù)（如文本或時間序列）時更有效地捕捉長期依賴關(guān)系。

簡而言之，我們可以利用LSTM的神經(jīng)網(wǎng)絡(luò)，通過學(xué)習(xí)歷史數(shù)據(jù)來預(yù)測未來的結(jié)果。

模型構(gòu)建過程

數(shù)據(jù)

該模型數(shù)據(jù)來自O(shè)KX的API，可能與Binance的合同價格略有不同。我已經(jīng)收集了近一年了$BNB 合同標(biāo)記價格數(shù)據(jù)(402天)，以香港時間為基礎(chǔ)，每日開盤時間為000：000，每日收盤時間為24：00，時間跨度為 2022-12-23 至 2024-01-28。

訓(xùn)練過程

以過去10天的價格數(shù)據(jù)為輸入，第11天作為導(dǎo)出訓(xùn)練神經(jīng)網(wǎng)絡(luò)，80%的數(shù)據(jù)集作為訓(xùn)練集，20%作為測試集。

預(yù)測結(jié)果

一般來說，開盤價是最準(zhǔn)確的預(yù)測，但開盤價意義不大，因為前一天的收盤價基本上是下一天的開盤價，收盤價估計非常不準(zhǔn)確，根據(jù)不同的誤差率，準(zhǔn)確性如下：

誤差率為 1.0% 預(yù)測準(zhǔn)確率為：{''open': '0.90', 'high': '0.53', 'low': '0.48', 'close': '0.42'}

誤差率為 2.0% 預(yù)測準(zhǔn)確率為：{''open': '1.00', 'high': '0.75', 'low': '0.78', 'close': '0.65'}

誤差率為 3.0% 預(yù)測準(zhǔn)確率為：{''open': '1.00', 'high': '0.85', 'low': '0.94', 'close': '0.72'}

誤差率為 4.0% 預(yù)測準(zhǔn)確率為：{''open': '1.00', 'high': '0.90', 'low': '0.96', 'close': '0.85'}

誤差率為 5.0% 預(yù)測準(zhǔn)確率為：{''open': '1.00', 'high': '0.94', 'low': '0.99', 'close': '0.87'}

準(zhǔn)確度的計算方法是實際價格 在 預(yù)測價格±誤差率 范圍內(nèi)，即認(rèn)為預(yù)測準(zhǔn)確。例如，5%的誤差率代表預(yù)測價格的實際價格±5%范圍內(nèi)的概率，可以發(fā)現(xiàn)最高價的準(zhǔn)確率是94%，最低價的準(zhǔn)確率是99%。

換句話說，如果你打開20倍的杠桿率，當(dāng)天按照預(yù)測的最低價做多，你暴跌的概率只有1%。按照當(dāng)天預(yù)測的最高價做空，暴跌的概率只有6%?。?！

當(dāng)然，以上數(shù)據(jù)僅供參考，不構(gòu)成投資建議。畢竟黑天鵝那么多，市場那么多變，DYOR！想在未來預(yù)測數(shù)據(jù)的合作伙伴關(guān)注和分享，分享超過100，我會在廣場和X公布預(yù)測數(shù)據(jù)！