Alors que Bitcoin tente de regagner une partie de l'éclat qu'il avait à la fin de 2017, alors qu'il atteignait presque 20 $ US, 000 en valeur, les investisseurs se demandent toujours comment prédire une monnaie aussi volatile.

En tant que crypto-monnaie, il n'y a pas de forme physique qui donne une valeur Bitcoin, il est donc impossible d'effectuer une analyse fondamentale traditionnelle de la devise. Par conséquent, de nombreux investisseurs suivent les indicateurs de trading dits techniques (motifs géométriques construits à partir des prix historiques et des volumes de trading) afin de comprendre et de prédire le mouvement futur de Bitcoin.

Certains chercheurs ont trouvé du succès avec de grands modèles compliqués. Mais celles-ci comportent parfois des centaines de variables (ou prédicteurs) et il est difficile de déterminer les facteurs clés ou de tester la réplicabilité de telles approches. Il est également difficile de comprendre quels facteurs entraînent réellement les fluctuations du Bitcoin sur le marché.

Depuis plus de 20 ans, J'ai fait des recherches sur les applications de l'IA en finance. À la Lang School of Business and Economics de l'Université de Guelph, mon co-auteur et ancien étudiant diplômé Robert Adcock et moi avons créé un modèle de réseau de neurones artificiels (ANN) pour tester la prévisibilité des prix Bitcoin.

Prédire les fluctuations

Nous avons utilisé des indicateurs techniques appelés moyennes mobiles comme prédicteurs. Les moyennes mobiles sont construites en faisant la moyenne des prix sur une période de temps (par exemple 50 ou 200 jours) et en les traçant sous forme de ligne avec les prix. La justification de l'utilisation des moyennes mobiles est que si le prix du Bitcoin aujourd'hui devient supérieur ou inférieur au prix moyen au cours des 50 ou 200 derniers jours, les traders pouvaient s'attendre à l'émergence d'une tendance à la hausse ou à la baisse.

Si Bitcoin est imprévisible, alors notre modèle ne devrait pas battre le modèle de marche aléatoire - essentiellement, ce n'est pas mieux que de deviner.

Cependant, notre modèle a fourni des résultats très intéressants concernant la prévisibilité de Bitcoin dans le temps et lors de périodes de volatilité inhabituelle.

Prévisions de l'intelligence artificielle

En utilisant les observations quotidiennes de 2011-2018, nous avons créé un ANN avec trois prédicteurs :retours, Signal d'achat-vente de 50 jours et signal d'achat-vente de 200 jours.

Nous avons également testé un modèle ANN qui comprenait le Chicago Board Options Exchange Volatility Index (VIX) pour voir si la volatilité du marché boursier avait un effet notable sur les mouvements Bitcoin. Le VIX est un indice fournissant des attentes théoriques du marché à 30 jours sur la base de l'indice S&P 500. Des valeurs plus élevées de VIX indiquent que le marché effectuera un grand mouvement.

Les réseaux de neurones artificiels fonctionnent de manière similaire au fonctionnement de base du cerveau humain. Notre modèle prend des prédicteurs, ou entrées, et sorties (le changement de prix quotidien de Bitcoin) et tente d'apprendre un modèle à partir de toutes les données. Il continue de tester ses modèles jusqu'à ce qu'il atteigne un point optimal où des tests supplémentaires sont redondants. Ces modèles avancés constituent l'épine dorsale de nombreux programmes d'apprentissage de l'IA utilisés dans les affaires et l'ingénierie.

En combinant analyse technique Bitcoin et réseaux de neurones, nous espérions que l'ANN trouverait un modèle parmi les données qui nous permettrait de prédire avec plus de précision les rendements futurs.

Investisseurs non traditionnels

Notre modèle ANN a en effet réussi à réduire l'erreur de prédiction de la marche aléatoire d'environ 5 à 10 % sur toute la période d'observation. Ces améliorations des prévisions sont statistiquement significatives, indiquant que la prédiction des prix Bitcoin sur une base quotidienne n'est plus une conjecture. Nos résultats montrent que Bitcoin n'est pas affecté par l'évolution du marché boursier, ce qui suggère que les investisseurs traditionnels du marché et les investisseurs en Bitcoin sont deux groupes distincts.

Nous avons également séparé les données en quatre sous-échantillons de périodes similaires pour approfondir davantage les inefficacités du marché. Les performances prédictives de notre ANN se sont encore améliorées au sein de ces sous-échantillons.

Un sous-échantillon, d'octobre 2014 à juin 2016, fourni les meilleurs résultats de l'étude. Le modèle de signal isolé de 200 jours a surpassé la marche aléatoire de 43,55%. Nous avons noté que ce sous-échantillon avait une faible volatilité par rapport aux trois autres sous-échantillons et était la période de données la plus stable que nous ayons observée. En substance, une plus grande volatilité du marché rend l'apprentissage des modèles de données et la formation du modèle ANN plus difficiles.

Outre la précision des prix, nous avons également observé à quelle fréquence nos modèles ANN prédisaient correctement si les prix augmenteraient ou diminueraient. Notre principal modèle complet sur l'ensemble de la période 2011-2018 avait une précision de prédiction de près de 63 %. Mettre différemment, Le trading de Bitcoin avec notre modèle serait en moyenne plus rentable que de passer des ordres d'achat et de vente aléatoires qui ont 50% de chances de réaliser un profit.

Spéculation et bulles prédictives

Par rapport à d'autres modèles prédictifs, notre ANN a fourni la méthode prédictive la plus précise et la plus fiable pour Bitcoin. Nous avons conclu que l'évolution historique des prix quotidiens du Bitcoin suivait des tendances prédictives (ou bulles) qui pourraient résulter de la nature spéculative du trading de crypto-monnaie.

Nous pensons que l'avenir de la prévision du Bitcoin - et peut-être de l'investissement en général - réside dans les capacités de l'intelligence artificielle et des réseaux de neurones artificiels. Alors que les gens peuvent discuter des mérites du Bitcoin en tant que monnaie, nous pouvons au moins l'apprécier comme une marchandise fascinante – et maintenant plus facile à prévoir.

Cet article est republié à partir de The Conversation sous une licence Creative Commons. Lire l'article original.