Курс Биткоина и цену можно прогнозировать «Коллаборативная фильтрация».

Курс биткоина

Ажиотаж вокруг криптовалют с годами не утихает. Аналитики считают, что существенного снижения курса биткоина, как и других валют, не будет. А рост их стоимости довольно предсказуем:

чем большее число пользователей вовлекается в обмен электронными деньгами, тем больше шансов на то, что сильного падения курса не произойдет.

Цену на биткоин и некоторые другие популярные криптовалюты можно предсказать, используя те же самые алгоритмы, которые внедрены в интернет-магазинах для рекомендации продукции покупателям. Если применять их к анализу трендов стоимости криптовалют, есть возможность получить на удивление предсказуемые результаты.

Изучением вопроса предсказуемости цены на криптовалюты в Массачусетском технологическом институте занимается эксперт Деваврат Шах. Он ведет свои наблюдения за трендами с 2012 года. Ученый разработал алгоритмы, которые предсказывают топовые темы в «Твиттере» за пять часов до их появления. Изменение стоимости биткоина можно прогнозировать при помощи этого алгоритма примерно с таким же запасом времени.

Механизмы прогнозирования интересов покупателей в интернет-магазинах «Нетфликс» или «Амазон» такие же, что использовал Деваврат Шах в своем исследовании.

– У нас есть хорошая работающая модель для понимания процессов по обмену данными в социальных сетях, – говорит ученый. – Она описывает принципы принятия решения людьми в сети, способы проявления предпочтений или произведения конкретных действий. Мы собираемся использовать их для создания более простых, надежных основ для алгоритмов по выдаче рекомендаций. Они сильно изменятся в будущем…

Нынешние типовые алгоритмы по выдаче рекомендаций носят название «коллаборативная фильтрация». Принцип работы таков, если рассмотреть на примере сайтов для трансляции фильмов:

1. Пользователи ставят просмотренным фильмам оценки.

2. Алгоритм ищет пользователей, чья группа оценок максимально похожа на вашу, формирует рекомендации для вас по аналогии.

3. Предположение о том, что вам понравится, строится на среднестатистических предпочтениях похожих на вас пользователей. Каждому фильму присваивается рейтинг, который отражает близость его к вашим предпочтениям и интересам.

Деваврат Шах с коллегами предположил, что система рейтинга может иметь два значения: «нравится» и «не нравится». Вкус каждого пользователя сервиса описывается последовательностью нулей и единиц, а потом компьютер группирует людей, чьи интересы описаны максимально похожими последовательностями. Причем можно предположить, что фильм А понравится конкретному зрителю с вероятностью 20%, а фильм Б – с вероятностью 80%.

Сложно посчитать, сколько таких кластеров должно быть, чтобы описать все население мира. Предположим, половине людей, которым нравится «Титаник», по душе и «Мстители». А другой половине любителей «Титаника» «Мстители» не по душе. Это уже два кластера. Если собрать мало данных, прогнозы будут весьма сомнительными. А если кластеров выделить много, то надо собирать много оценок, прежде чем понять, какие рекомендации нужны пользователю. Достоверные прогнозы на основе малого числа оценок в этой системе невозможны.

«Коллаборативная фильтрация» прекрасно работает в ситуации, где мало кластеров и много оценок. В других случаях она почти бесполезна. На практике часто случается второй исход: из-за малого числа оценок прогнозы строить не представляется возможным.

Деваврат Шах решили пойти по пути укрупнения кластеров. Изучив зрителей, посмотревших 10 миллионов видео-трансляций, они выявили 200 человек, которые оценили одни и те же 500 фильмов. 5 кластеров, или 5 вероятностных моделей, было достаточно, чтобы описать существенную часть вариаций в этой группе.

Пессимизма добавляет то, что при всем стремлении ученых к обобщениям, «коллаборативная фильтрация» имеет много ошибочных определений. Если выбор пользователей нелогичен, компьютер не способен помочь в прогнозах. Так, если люди любят фильм «Терминатор 1», не факт, что им понравится «Терминатор 2». Бывает, что любители боевиков о похождениях грозного робота проявляют сентиментальную тягу к мелодрамам вроде фильма «Дневник памяти». Чем больше таких нелогичных выборов у пользователей, тем сложнее строить прогнозы.

Исследователи предлагают владельцам интернет-магазинов призывать пользователей оценивать товары, рекомендуя их, например, в случайном порядке. И только после получения определенной базы оценок строить рекомендации на основе их предпочтений.

Есть и еще одна погрешность: определенные популярные товары, фильмы, так называемые «мегахиты», могут нравиться всем пользователям. Но все, что приобретается вместе с ними, не поддается описанию на языке математике. Это может быть случайный набор товаров, фильмов. Но это все частности. Механизмов «коллаборативной фильтрации» вполне достаточно для прогнозирования трендов в области цен на криптовалюты. Если в качестве исследуемых объектов оценки использовать не велосипеды или фильмы, а разные типы валют: биткоины, лайткоины, эфириум, – то и там можно предсказывать основные ценовые тренды.

Деваврат Шах работает над таким приложением и надеется вскоре представить его публике. Тогда каждый желающий сможет использовать разработанные им алгоритмы, чтобы зарабатывать на обмене криптовалют. А самые продвинутые держатели виртуальных денег могут и сами догадаться, какие скрипты стоит использовать для построения прогноза. Само понимание того, что алгоритмы предсказания стоимости  биткоина и криптовалют похожи на рекомендательные сервисы онлайн-бутиков, программистам и технически одаренным людям подсказывает способ получения преимущества на рынке обмена виртуальных денег.


Похожие статьи

Читайте новую статью! Как безопасно купить Биткоин за наличные
ЧИТАТЬ СТАТЬЮ