许多论证声称，加密货币的价格波动可以通过深密货币的价格波动。本文用实际数据打脸:不要玩！这个所谓的“准确预测”有许多坑，许多人试图建立一个深度神经网络来预测比特币的价格，结果令人难以置信。

　　利用LSTM预测比特币的价格

　　为方便解释，首先介绍多维使用LSTM神经网络预测比特币的价格，并生成上述预测结果的例子。LSTM是一种特殊的RNN(递归神经网络)非常适合有时间序列的问题。因此，在预测加密货币价格和股市时LSTM十分流行。

　　接下来，我将数据分为培训集和测试集。最后10%的数据被用作测试，因此分割线位于2017/9/14。本日期前的所有数据均用于培训，本日期后的数据用于测试培训模型。接下来，我画了DataFrame的close列，新手有什么炒币软件吗？我们需要预测每日收盘价。

　　为了训练LSTM，我们根据7天的时间段划分数据(时间长度可以考生，我只是简单的以一周为时间段)，每个时间段以零为基础(zero base)规范数据(normalize)，也就是说，每个时间段的第一个数据是0，其他值表示与第一个数据之间的相对变化。因此，这里预测的是价格变化，而不是绝对价格。

　　这里使用了一个由20个神经元组成的简单神经网络LSTM层，dropout率为0.25.还有一个密集的层(Dense)，激活函数是一个简单的线性函数。此外，使用损失函数MAE(Mean Absolute Error，使用平均绝对误差使用优化器Adam。

　　你可能已经猜到，这个模型最根本的问题是，它几乎与前一天的实际结果相同。预测曲线似乎只是将实际曲线平移了一天。事实上，如果预测曲线平移一天，结论就更明显了。这个结果和我在很多地方使用的一样LSTM在单点预测的例子中样的。

　　为了更清楚地解释这一点，让我们计算模型预测的返回结果和实际返回结果：观察实际和预测的返回结果，一种是原始形式，另一种是翻译一天，可以得出相同的结论。

　　从上图可以看出，实际和预测的返回结果实际上并不相关。然而，在将预测返回结果偏移一天后，可以观察到强烈的相关性，表明预测结果正在重复实际比特币数据。

　　本文的目的是讨论我在过去几个月里看到的许多关于使用深度神经网络预测加密货币和股票市场价格的例子。这些文章使用了类似的方法：使用历史价格数据来实现LSTM，并预测未来的趋势。本文展示了为什么这些模型不能在实际交易中使用。

　　是的，网络在学习中非常有效。但学习策略是预测一个值尽可能接近前一天，因为它可以获得最小的平均绝对误差。事实上，仅基于历史价格数据的单点预测模型的结果仍然难以准确，在实际交易中几乎没有用处。

　　当然，在价格预测方面，可能会有更复杂的方法来实现更有用的方法LSTM。它可以从使用更多的数据和优化网络结构和超参数开始。但我认为使用历史价格数据以外的数据和特征更有可能。毕竟，投资世界已经达成了共识——“过去的表现并不代表未来的产出”。加密货币也应该得出同样的结论。