Enquanto o Bitcoin tenta recuperar um pouco do brilho que tinha no final de 2017, quando atingiu quase US $ 20, 000 em valor, os investidores ainda estão questionando como prever uma moeda tão volátil.

Como uma criptomoeda, não há forma física que dê valor ao Bitcoin, portanto, é impossível realizar uma análise fundamentalista tradicional da moeda. Consequentemente, muitos investidores rastreiam os chamados indicadores técnicos de negociação (padrões geométricos construídos a partir de preços históricos e volumes de negociação) para compreender e prever o movimento futuro do Bitcoin.

Alguns pesquisadores obtiveram sucesso com modelos grandes e complicados. Mas, às vezes, eles têm centenas de variáveis ​​(ou preditores) e é difícil determinar os fatores-chave ou testar a replicabilidade de tais abordagens. Também é difícil entender quais fatores realmente impulsionam as flutuações do Bitcoin no mercado.

Por mais de 20 anos, Tenho pesquisado as aplicações da IA ​​em finanças. Na Lang School of Business and Economics da University of Guelph, meu coautor e ex-aluno de graduação Robert Adcock e eu criamos um modelo de rede neural artificial (RNA) para testar a previsibilidade dos preços do Bitcoin.

Previsão de flutuações

Usamos indicadores técnicos chamados médias móveis como preditores. As médias móveis são construídas calculando a média dos preços ao longo de um período de tempo (por exemplo, 50 ou 200 dias) e plotando-os como uma linha junto com os preços. A justificativa para o uso de médias móveis é que se o preço do Bitcoin hoje se tornar maior ou menor do que o preço médio nos últimos 50 ou 200 dias, os comerciantes podem esperar o surgimento de uma tendência de alta ou de baixa.

Se o Bitcoin for imprevisível, então, não se espera que nosso modelo supere o modelo de passeio aleatório - essencialmente, não é melhor do que adivinhar.

Contudo, nosso modelo forneceu alguns resultados muito interessantes em relação à previsibilidade do Bitcoin ao longo do tempo e durante episódios de volatilidade incomum.

Previsões de inteligência artificial

Usando observações diárias de 2011-2018, criamos uma RNA com três preditores:retornos, Sinal de compra-venda de 50 dias e sinal de compra-venda de 200 dias.

Também testamos um modelo de RNA que incluía o Índice de Volatilidade da Bolsa de Opções da Chicago Board (VIX) para ver se a volatilidade do mercado de ações tinha algum efeito perceptível nos movimentos do Bitcoin. O VIX é um índice que fornece expectativas de mercado teóricas de 30 dias com base no índice S&P 500. Valores mais altos de VIX indicam que o mercado fará uma grande oscilação.

As redes neurais artificiais operam de maneira semelhante ao funcionamento básico do cérebro humano. Nosso modelo usa preditores, ou entradas, e saídas (a mudança diária de preço do Bitcoin) e tenta aprender um padrão de todos os dados. Ele continua testando seus padrões até atingir um ponto ideal, onde testes adicionais são redundantes. Esses modelos avançados formam a espinha dorsal de muitos programas de aprendizado de IA usados ​​em negócios e engenharia.

Ao combinar a análise técnica de Bitcoin e redes neurais, esperávamos que a RNA encontrasse um padrão entre os dados que nos permitisse prever com mais precisão os retornos futuros.

Investidores não tradicionais

Nosso modelo de RNA realmente teve sucesso em reduzir o erro de predição do passeio aleatório em cerca de cinco a 10 por cento ao longo de todo o período de observação. Essas melhorias de previsão são estatisticamente significativas, indicando que prever os preços do Bitcoin diariamente não é mais uma suposição. Nossos resultados mostram que o Bitcoin não é afetado pela forma como o mercado de ações muda, o que sugere que os investidores de mercado tradicionais e os investidores em Bitcoin são dois grupos distintos.

Também separamos os dados em quatro subamostras de prazos semelhantes para ampliar ainda mais as ineficiências do mercado. O desempenho preditivo de nossa RNA melhorou ainda mais nessas subamostras.

Uma subamostra, em execução de outubro de 2014 a junho de 2016, forneceu os melhores resultados do estudo. O modelo de sinal de 200 dias isolado superou o passeio aleatório em 43,55 por cento. Observamos que essa subamostra teve baixa volatilidade em comparação com as outras três subamostras e foi o período de dados mais estável que observamos. Em essência, a maior volatilidade do mercado torna o aprendizado dos padrões de dados e o treinamento do modelo de RNA mais difíceis.

Junto com a exatidão do preço, também observamos com que frequência nossos modelos de RNA previram corretamente se os preços aumentariam ou diminuiriam. Nosso principal modelo abrangente ao longo de todo o período de 2011-2018 teve quase 63 por cento de precisão de previsão. Colocar de forma diferente, A negociação de bitcoins com nosso modelo seria, em média, mais lucrativa do que colocar ordens de compra e venda aleatórias com 50 por cento de chance de obter lucro.

Especulação e bolhas preditivas

Comparado a outros modelos preditivos, nossa RNA forneceu o método preditivo mais preciso e confiável para Bitcoin. Concluímos que a evolução histórica dos preços diários do Bitcoin seguiu tendências preditivas (ou bolhas) que surgem potencialmente da natureza especulativa da negociação de criptomoedas.

Acreditamos que o futuro da previsão do Bitcoin - e talvez do investimento em geral - esteja nas habilidades da inteligência artificial e das redes neurais artificiais. Embora as pessoas possam discutir sobre os méritos do Bitcoin como moeda, podemos pelo menos apreciá-lo como uma mercadoria fascinante - e agora mais fácil de prever.

Este artigo foi republicado de The Conversation sob uma licença Creative Commons. Leia o artigo original.