Bitcoin-prijs naar $ 6.358 volgens model begin 2018

Fractale Brownse beweging is een van de meest bekende theorieën in de wereld van de fysica. Het is ook met veel succes gebruikt om activaprijzen te modelleren door de quants op Wall Street. Tegenwoordig wordt het echter gebruikt om de prijs van Bitcoin te modelleren.

In een recent papier door natuurkundige Mariusz Tarnopolski, hij heeft de prijs van Bitcoin voor de komende maanden voorspeld en volgens zijn model zou de prijs begin 2018 $ 6.000 moeten overschrijden met een doel van $ 6.358,32..

Dit zijn slechts enkele van het aantal prijsvoorspellingen van Bitcoin dat de afgelopen maanden de draad heeft geraakt. De meeste hiervan zijn echter gebaseerd op fundamentele economische theorieën zoals vraag en aanbod.

Je kunt inderdaad een idee krijgen van de uiteenlopende meningen over de prijs van BTC uit de voorspelling Subreddit. De meeste variëren tussen $ 5.000 en $ 12.000, wat u het gevoel geeft dat dit niets meer is dan slechts gissingen. Daarom is het interessant om studies te lezen die op theorie zijn gebaseerd.

Wat is Brownian Motion?

Brownse bewegingsdeeltjesBrownse beweging is een theorie waarbij natuurkundigen de beweging van deeltjes kunnen meten. Het is toegepast op tal van natuurlijke progressies en kan deze met een grote mate van nauwkeurigheid voorspellen.

Wanneer uitgebreid naar fractale analyse en de random walk theory, kan een reeks andere toepassingen worden geïmplementeerd. Een van de fundamenten van financiële modellering is Geometric Brownian Motions (GBM).

GBM is een continu tijdstochastisch proces dat de fundamentele basis vormt van het Black-Scholes-prijsmodel voor opties. Het wordt veel gebruikt in stochastische calculus en wiskundige financiën.

Gezien het gebruik ervan in het Black Scholes-model, ondersteunen GBM-berekeningen miljarden dollars aan waarde in financiële opties op een reeks activa. Het wordt ook vrij uitgebreid gebruikt om voorspellingen in activaprijzen te modelleren.

Daarom zou het logisch zijn om de theorie toe te passen op de prijs van Bitcoin en voorspellingen te doen over de prijs.

Bitcoin modelleren met GBM

De Bitcoin-prijs vertoont veel van dezelfde kenmerken van andere financiële tijdreeksgegevens. In de paper van Tarnopolski waren de eerdere gegevens in Bitcoin-prijzen de input voor het model om de prijs langs de lijn te voorspellen.

Om de statistische verdeling te produceren, wordt een Monte Carlo-simulatie uitgevoerd op een steekproef van 10.000 Brownse bewegingen. Dit is wat het “willekeurige” deel van de willekeurige wandeling zal produceren.

Evenzo werd een langere tijdsperiode voor het activum gebruikt om de meeste gegevenspunten en nauwkeurigere modellen te krijgen. De analyse werd uitgevoerd met gegevens van december 2011 tot juni 2017. Eenmaal gesimuleerd, beschikte Tarnopolski over voldoende gegevens om de waarschijnlijkheid van bepaalde prijsniveaus in 180 dagen te berekenen. Hij berekende ook belangrijke prijskenmerken zoals de statistische verdeling van mediaan, modus en gemiddelde.

Dit model is ook getest met voorspellingen van modelgegevens tot en met 31 december 2016. Enkele van de voorspellingen van die backtests waren dat de prijs hoger zou kunnen zijn dan $ 5.000 met een waarschijnlijkheid van 9,3% in 180 dagen of dat er slechts 5,3% kans was dat de prijs zou dalen tot onder $ 955.

Toch was de meest overtuigende voorspelling de mediane schatting van de prijs 180 dagen binnen op $ 2.357. Dit was niet ver verwijderd van de werkelijke prijs van Bitcoin tegen het midden van het jaar op $ 2.618. Deze nauwkeurigheid gaf gewicht aan zijn huidige voorspelling van de prijs.

Andere interessante voorspellingen voor begin 2018 zijn dat de prijs hoger zou kunnen zijn dan $ 10.000 met een kans van 27,5%. Dit zal ongetwijfeld gewicht toevoegen aan die voorspellingen van een prijs boven dit sleutelniveau.

Modelleren met een snufje zout

Hoewel het modelleren van activaprijzen met behulp van GBM’s een gevestigde discipline is in de wereld van opties, is hun nauwkeurigheid geenszins doorslaggevend. Er zijn veel academici die van mening zijn dat natuurlijke processen niet kunnen worden toegepast om te financieren waar de menselijke psychologie een belangrijke rol speelt.

De auteur merkt dit ook op door het voorbeeld van Black Monday in 1987 of de recente financiële crisis te gebruiken als voorbeelden van periodes die bijna niet te voorspellen zijn. Dit zijn “zwarte zwanen” -gebeurtenissen en zijn de reden dat alle modellen van de investeringsbank de crisis niet voorspelden.

Hij geeft een voorbeeld als de harde forks in de code van Bitcoin als voorbeeld van gebeurtenissen die niet nauwkeurig kunnen worden voorspeld.

Uitgelichte afbeelding via Fotolia

Mike Owergreen Administrator
Sorry! The Author has not filled his profile.
follow me