Курс биткоина оказался зависим от страха и жадности

Прогнозирование стоимости биткоина остается сложной задачей из-за его высокой волатильности — скорости и размаха изменения цен, а также зависимости от множества факторов, в том числе макроэкономических трендов.

Например, в марте прошлого года биткоин вырос до 71 тысячи долларов на фоне слухов о возможном одобрении ETF для Ethereum — биржевого фонда, упрощающего инвестиции в криптовалюту без ее прямой покупки. Но уже в июле курс упал до 56,7 тысяч. Снижение было вызвано двумя ключевыми факторами. Во-первых, правительство Германии начало распродажу конфискованных биткойнов, увеличив предложение на рынке, а во-вторых, возобновились выплаты кредиторам обанкротившейся десятилетие назад биржи Mt.Gox, что привело к дополнительному давлению со стороны крупных держателей криптовалюты. Оба события создали избыточное предложение биткойнов на рынке в короткий период, что и спровоцировало коррекцию курса. В ноябре 2024 года цена биткойна стала расти, и 15 декабря он уже стоил 106,5 тысяч долларов, что связывают со спекуляциями о том, что администрация Трампа может признать его резервным активом США.

В 2025 году на фоне быстро меняющихся новостей цена биткоина продолжает сильно варьироваться, достигая наименьших значений в апреле и марте (ниже 80 тысяч долларов) и исторического максимума в июле 120 тысяч.

Российских исследований по прогнозированию курса биткоина немного, информационное пространство и эмоциональный фон в них почти не учитываются. Традиционные методы и модели, как в случае с обычной валютой, здесь работают не так успешно и не дают высокой точности прогноза, поскольку биткоин реагирует не только на экономику, но и на психологию толпы. Поэтому зарубежные ученые активно используют для предсказания колебания цен анализ соцмедиа, но в связи с блокировками некоторые иностранные социальные сети недоступны в России.

Ученые Пермского Политеха разработали модель прогнозирования курса биткоина на основе двух нейронных сетей — LSTM (Long Short-Term Memory) и GRU (Gated Recurrent Units). Чтобы повысить точность ученые подключили к анализу индекс страха и жадности (FGI), который отражает психологическое состояние рынка.

В своем исследовании эксперты обучали две нейросети на 2000 данных о ценах биткоина и объемах торгов с Binance — крупнейшего онлайн-сервиса обмена цифровых валют.

— 80% данных пошло на обучение нейросетей, а оставшиеся 20% мы применяли для проверки точности результата. Такую процедуру повторяли 200 раз, обрабатывая информацию небольшими порциями по 32 значения, словно если бы изучали иностранный язык по 32 слова за раз. После прогнозирования приводили полученные цифры к реальному диапазону цен биткоина. Чтобы сделать достоверные выводы, мы смотрели на три показателя ошибок: среднее отклонение от реальной цены, неточности в процентах и ежедневную погрешность, — объясняет Андрей Затонский, заведующий кафедрой «Автоматизация технологических процессов» Березниковского филиала ПНИПУ, доктор технических наук.

В ходе экспериментов ученые протестировали свои модели на разных временных периодах с разной рыночной динамикой. В одном из таких, относительно стабильном, нейросеть LSTM с учетом индекса страха и жадности показала среднюю абсолютную ошибку в 1169 долларов, что на 6,2% лучше модели без учета психологического фактора.

— Особенно показательным стал ноябрьский период 2024 года, когда биткойн впервые преодолел отметку в 100 тысяч долларов на фоне президентских выборов в США. В этих условиях преимущество модели с учетом психологического фактора стало еще заметнее — погрешность сократилась на 147 долларов по сравнению с обычной нейросетью, что в процентном соотношении составило 8,3%, — отмечает эксперт ПНИПУ.

Исследование ученых наглядно доказывает, что учет психологического фактора через индекс FGI позволяет нейросетям делать более точные прогнозы курса биткоина в различных рыночных условиях. Среднее улучшение точности составило 5-10%. При этом наибольшую эффективность показала LSTM-сеть, которая лучше справлялась с анализом долгосрочных зависимостей в данных.

Эти результаты открывают новые возможности для создания более надежных систем прогнозирования на крипторынке, которые будут учитывать не только экономические факторы, но и эмоциональную составляющую. В перспективе разработка пермских ученых может быть адаптирована для других криптовалют и финансовых инструментов, что сделает инвестиционные решения более обоснованными.

Разработка проведена в рамках программы стратегического академического лидерства «Приоритет-2030». Источник материала и фото: "Naked Science"