神经网络视角下比特币的有效市场假说

本研究使用前馈神经网络检验比特币的弱式有效市场假说。由于近年来加密货币的日益流行，能否利用比特币的市场无效性这一问题随之产生。我们在此提及的数项研究在比特币背景下使用统计检验或机器学习方法讨论了该主题，大多仅依赖比特币自身的数据。关于市场有效性的结果因研究而异。然而，本研究的重点是在神经网络中应用多种资产相关输入特征。目的是探究在将比特币收益作为输入特征之外，加入股票指数（S&P 500、Russell 2000）、货币（EURUSD）、10年期美国国债收益率以及黄金和白银生产商指数（XAU）时，预测精度是否提高。正如预期，结果显示更多特征带来更高的训练性能，从单特征的54.6%预测准确率提升至六特征的61%。在测试集上，我们观察到使用我们的神经网络方法，加入额外资产类别并未实现预测准确率的提升。某一特征集能够部分超越买入持有策略，但一旦加入另一特征，性能再次下降。这使我们得出部分结论：使用神经网络及给定资产类别作为输入，无法检测到比特币的弱式市场无效性。因此，基于本研究，我们发现证据表明在样本期内比特币市场就有效市场假说意义而言是有效的。我们鼓励该领域的进一步研究，因为这在很大程度上取决于所选样本期、输入特征、模型架构和超参数。