Ponieważ Bitcoin stara się odzyskać część blasku, który miał miejsce pod koniec 2017 r., Kiedy prawie osiągnął wartość 20 000 USD, władze monetarne do tej pory dążą do tego, by przewidzieć tak chwiejne pieniądze.
Jako zaawansowana gotówka, nie ma fizycznej struktury, która zapewniałaby Bitcoinowi szacunek, więc trudno jest przeprowadzić standardową analizę gotówki. W ten sposób różni teoretycy śledzą przypuszczalne specyficzne wskaźniki handlowe (modele geometryczne utworzone z oczywistych wydatków i wolumenów handlowych), aby docenić i przewidzieć przyszły postęp Bitcoin.
Kilku badaczy odkryło osiągnięcia dzięki olbrzymim zamroczonym modelom. W każdym razie te często mają kilka elementów (lub wskaźników) i trudno jest wybrać kluczowe czynniki lub przetestować powtarzalność takich podejść. W podobny sposób trudno jest zrozumieć, jakie czynniki rzeczywiście prowadzą do niestabilności bitcoinów.
Od ponad 20 lat badam zastosowania sztucznej inteligencji w rezerwie. W Lang School of Business and Economics na University of Guelph, mój współpracownik i absolwent klasowy Robert Adcock i ja stworzyliśmy fałszywy model neuronowy (ANN), aby sprawdzić spójność kosztów Bitcoin.
Przewidywanie zmian
Użyliśmy konkretnych wskaźników zwanych ruchomymi punktami środkowymi jako znacznikami. Ruchome punkty środkowe są obliczane przez uśrednienie kosztów w pewnym okresie czasu (na przykład 50 lub 200 dni) i wykreślenie ich jako linii w pobliżu wydatków. Celem stosowania ruchomych punktów środkowych jest to, że jeśli koszt bitcoinów stanie się dziś bardziej oczywisty lub niższy niż zwykły wydatek w ciągu ostatnich 50 lub 200 dni, przedstawiciele mogliby spodziewać się wzniesienia lub spadku.
