Preço do Bitcoin atinge $ 6.358 no início de 2018, de acordo com o modelo

O movimento fractal browniano é uma das teorias mais conhecidas do mundo da física. Ele também foi usado com grande efeito para modelar preços de ativos por quantos em Wall Street. No entanto, hoje está sendo usado para modelar o preço do Bitcoin.

Em um recente papel pelo físico Mariusz Tarnopolski, ele previu o preço do Bitcoin nos próximos meses e de acordo com seu modelo, o preço deve ultrapassar US $ 6.000 no início de 2018 com uma meta de US $ 6.358,32.

Essas são apenas algumas das várias previsões de preços do Bitcoin que têm sido divulgadas nos últimos meses. A maioria deles, no entanto, foi baseada em teorias econômicas fundamentais, como oferta e demanda.

De fato, pode-se ter uma noção da diversidade de opiniões sobre o preço do BTC a partir da previsão Subreddit. A maioria varia entre $ 5.000 e $ 12.000, o que dá a sensação de que nada mais são do que meras suposições. Por isso é interessante ler estudos que se baseiam na teoria.

O que é movimento browniano?

Partículas de movimento brownianoO movimento browniano é uma teoria pela qual os físicos podem medir o movimento das partículas. Foi aplicado a várias progressões naturais e é capaz de predizê-las com um grande grau de precisão.

Quando expandida para a análise fractal e a teoria do passeio aleatório, uma gama de outras aplicações pode ser implementada. Um dos que têm sido a base da modelagem financeira foi o Movimento Browniano Geométrico (GBM).

O GBM é um processo estocástico de tempo contínuo que é a base fundamental do modelo de precificação de opções Black-Scholes. É amplamente utilizado em cálculo estocástico e finanças matemáticas.

Dado seu uso no modelo Black Scholes, os cálculos do GBM sustentam bilhões de dólares de valor em opções financeiras em uma variedade de ativos. Também é usado extensivamente para modelar previsões nos preços dos ativos.

Portanto, faria sentido aplicar a teoria ao preço do Bitcoin e produzir previsões do preço.

Modelando Bitcoin com GBM

O preço do Bitcoin exibe muitas das mesmas características de outros dados de séries temporais financeiras. No artigo de Tarnopolski, os dados anteriores nos preços do Bitcoin foram a entrada para o modelo para prever o preço na linha.

Para produzir a distribuição estatística, uma simulação de Monte Carlo é executada em uma amostra de 10.000 movimentos brownianos. Isso é o que produzirá a parte “aleatória” do passeio aleatório.

Da mesma forma, para obter o máximo de pontos de dados e modelagem mais precisa, um período de tempo maior para o ativo foi usado. A análise foi executada com dados de dezembro de 2011 a junho de 2017. Uma vez simulado, Tarnopolski tinha dados suficientes para calcular a probabilidade de determinados níveis de preços em 180 dias. Ele também calculou características de preço importantes, como a distribuição estatística da mediana, moda e média.

Este modelo também foi testado novamente com previsões de dados de modelagem apenas até 31 de dezembro de 2016. Algumas das previsões desse teste retroativo eram de que o preço poderia exceder $ 5.000 com uma probabilidade de 9,3% em 180 dias ou que havia apenas 5,3% de chance de o preço cairia abaixo de $ 955.

No entanto, a previsão mais convincente foi a estimativa média do preço de 180 dias em $ 2.357. Isso não estava muito longe do preço real do Bitcoin no meio do ano, de $ 2.618. Essa precisão deu peso à sua previsão atual do preço.

Outras previsões interessantes para o início de 2018 são de que o preço pode ultrapassar US $ 10.000 com uma chance de 27,5%. Isso sem dúvida adicionará peso às previsões de um preço acima deste nível-chave.

Modelagem com uma pitada de sal

Embora a modelagem de preços de ativos usando GBMs seja uma disciplina estabelecida no mundo das opções, sua precisão não é de forma alguma conclusiva. Há muitos acadêmicos que acreditam que os processos naturais não podem ser aplicados às finanças, onde a psicologia humana desempenha um papel importante.

O autor também faz referência a isso usando o exemplo da Segunda-feira Negra em 1987 ou a recente crise financeira como exemplos de períodos que são quase impossíveis de prever. Esses são eventos de “cisne negro” e são a razão de todos os modelos de bancos de investimento não preverem a crise.

Ele dá um exemplo como bifurcação no código do Bitcoin como exemplo de eventos que não podem ser previstos com precisão.

Imagem em destaque via Fotolia

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