Quadric Regression - Krypto-Währungen

Mithilfe von Google's Tabellen, habe ich ein Diagramm erstellt, welches den Preis relevanter Crypto-Währungen quadrisch Annähert.

Model

Da die Unix-zeit seit 1970 addiert wird und bei der Evaluation der Koeffizienten Summen-produkte der 4/5. Potenz benötigt werden, machte die Tabelle schlapp mit dem Fehler "Zahl zu gross".
Also habe ich mich dazu entschieden die Zeitstempel zu normieren, so dass sie zwischen -1 und 1 liegen. Dabei gibt der Wert der Regression f(x) in x=1 jeweils den momentanen Wert zurück.

Da ich besser mathematisch formuliere als sprachlich bzw. Schriftlich ist hier die eigentliche Idee, mit:

R = f(t) = a + bt + ct² + dt³ + ft⁴ und x = -1 + (t₀-t)/(t_n-t) * 2
Bleibt -1 < x < 1, wobei ich die gesamte Zeit noch nicht ganz bestimmt, habe aber etwa bei einer Woche liegt. Also würde man für ein Prognose von einem Tag, wohl 1+1/7 = 8/7 in R(x) einsetzen.

Aber zuerst mal eine vorschau

Hier ist rot der Graph der Regression auf ende des Tages weiter gezeichnet

interessanterweise ist : 1+x ~ e^x | für kleine x

Idee

Um bei Eobot den möglichst profitabelsten Coin zu Minen versuchte ich es mit der von Ihnen angebotenen Methode Diversify. Aber da die Krypto-Welt sehr dynamisch ist und meine Intuition etwas oberflächlich, suchte ich nach einer analytischen Lösung.

Trend/Varianz in Spreadsheets

Google Tabellen bieten für Vorhersagen eine lineare und exponentielle Regression an. Dies Funktionen sind meiner Meinung nach zu träge um mit der Volatilität im Kryto-Raum mitzuhalten.

Taylor'sche Reihenentwicklung

Während dem Erstellen der Regression, zog ich Taylor bei und wurde auch in der Finanz-Analytik fündig; Dass für High-Frequency trading Signale mittels einer Taylor-Transformation ermittelt werden.
Welche das genau war, habe ich dann nicht weiter verfolgt, da diese für Funktionen welchen gegen 0 convergieren Sinn macht. Ausserdem lösen sich die Integrale von Trigonometrischen Funktionen oft auf.
Insofern Zweifel für eine Anwendung dieser, als auch die Interpretation der Werte für diesen spezifischen Zweck, bin ich aber trotzdem auf ein interessante Form: l*ekx+cos(x/p) als mögliche Annäherung, mit den entsprechenden Parametern k,l &p, gestossen.
Jedoch bleibt es zuerst nur ein Ansatz

Künstliche Intelligenz

Die Anwendung von AI-Modellen ist, so wie ich festgestellt habe, sinnvoll für zusammenhangslose Daten. Also aus den Context gegriffene Daten. Die entweder Klassifiziert oder 'Entschieden' werden müssen.
Also unter den Möglichkeiten, die mir zustanden, kam am ehesten Tensorflow uä. in Frage. Die Anwendung/Implementierung erwies sich als über-geeignet. Vor allem habe ich keinen Zugang auf GPU's.

Polynomiale Regression

Simple & Einfach. Bis auf eine quadratische Regression's Methode habe ich keine höheren Grade in einem angebotenem Service gefunden. Da die Preisschwankungen keinem physikalischem Gesetz folgen, kann man nur mit Polynomen höheren Grades ein realistisches Resultat bekommen.
Anfangs, startete ich mit kubischen Polynomen, da der Kurs von Bitcoin nach einem langem Höhenflug plötzlich einen Talfahrt begann. Da kubische oder allg. Polynome mit ungeradem Grad zu der x-Achse entgegen verlaufen, erhoffte ich mir einen Bessere Annäherung als mit einer quadratischen.
Später fing sich der Kurs und ich erweiterte die Regression zu einer quintischen Form. Nun ist aber das Schlussprodukt eine quadrische.

Siehe

Die links zu den einzelnen Diagrammen sind hier:

Aktuallität

Die Daten sollten alle 10 min aktualisiert werden. Ansonsten sollte ein Reload genügen.

Vor allem: da die Idee darin liegt, eine Vorstellung vom Kursverlauf zu bekommen, sind die links so gewählt, dass man Sie sich merken kann

Mitwirken

Falls jemand Anregungen hat würde ich mich gerne über Kommentare freuen.

Allgemein

Wer noch nicht weiss, wie er am besten Einsteigen soll, kann unter Coninpot einen Account einrichten und folgenden Faucets :

Weiter kann man mit Mellowad täglich bis zu 3000 satoshi's für Promotionen bekommen, welche man gut für die obigen Faucet's nutzen kann.