De ce modelul de ieri eșuează în a prezice viitorul Bitcoin?
Prognozele de flux de ordine pe termen scurt și de returnări zilnice ocupă un spațiu separat. Unele au produs valoare predictivă reală.
Știri de ultimă oră
Bitcoin se lovește de un zid la 82.000$: Ce urmează pentru cea mai cunoscută criptomonedă?
Duelul capitalului în crypto: XRP și Solana domină fluxurile de investiții
Gemini, de la gloria IPO-ului la pragul unei achiziții: Valoarea bursei crypto s-a prăbușit cu 80%
Bruxelles-ul pune sub lupă staking-ul crypto: urmează reguli mai stricte în UE?Discuțiile online adesea amestecă acestea cu predicțiile de preț pe termen lung și cu modelele de evaluare. Fiecare cere un Un model al prețului Bitcoin care îți spune direcția de ieri nu poate descrie nimic semnificativ. Această problemă, cunoscută sub numele de ne-staționaritate, apare când relațiile dintre variabile nu sunt suficiente de stabile ca observațiile trecute să descrie viitorul.
Baza de utilizatori și liquiditatea Bitcoinului au evoluat în timp. Reglementările și accesul au schimbat cine poate face tranzacții și cum. Un model poate captura o relație într-o perioadă și să o pieradă când piața în jurul activului se schimbă.
Francesco Puoti, Fabrizio Pittorino și Manuel Roveri au ajuns la o concluzie similară într-un studiu care compară prognozele statistice, ale învățării automate și ale învățării profunde. Au testat 12 abordări pe cinci criptomonede majore la orizonturile de un zi, șapte zile și 30 de zile. Cercetătorii pot încerca diferite variabile, să uite în fereastră, să schimbe punctul de plecare sau să modifice arhitectura înainte de a publica rezultatele. Această flexibilitate crește riscul de supraînfrățire cu zgomotul în loc de a descoperi semnale reale.
De ce modelele de preț Bitcoin eșuează din cauza ne-staționarității?
Modelele complexe pot apărea precise în interiorul eșantionului, dar eșuează afară de el, deoarece memorează modele fugace. Problema de bază rămâne: fără staționaritate, datele istorice oferă orientare limitată pentru mișcările viitoare ale prețului. Metodele mai simple, adaptabile, pot servi mai bine decât cele prea complexe care urmăresc structuri iluzorii.
Natura în evolutie a piețelor de criptomonede introduce ruperi structurale pe care modelele econometrice tradiționale le-au greu să le înfrunte.
Spre deosebire de valutelor fiat sau acțiunilor, care au cadre instituționale stabilă de decenii, activele digitale funcționează în zone gri reglementatorice, unde schimbările de politică — cum ar fi modificările în licențierea bursei sau undele de adoptare instituțională — pot altera brusc dinamica de tranzacții.
Aceste discontinuități înseamnă că chiar și perioadele de backtesting robuste pot să nu reflecte regimurile de piață viitoare, mai ales în perioade de stres macroeconomic sau în timpul actualizărilor tehnologice precum evenimentele de reducere la jumătate a emisiilor.
În consecință, prognozistii trebuie să dea prioritate robusteței modelului față de complexitatea lui, integrând mecanisme de adaptare în timp real pentru a atenua riscurile provocate de ne-staționaritatea persistentă a returnurilor activelor cripto.