Crypto100指数构建及数据集说明 [page::1][page::2]

• Crypto100指数覆盖市值排名前100的加密货币，具有较强市场代表性。

- 数据涵盖2017至2023年，包含技术指标、链上BTC和USDC指标、情绪指标等共429个指标。

• 选取2017与2019两个时间段分别分析，兼顾市场成熟变化。

特征筛选算法与方法 [page::3]

• 提出结合皮尔逊相关性、MDI、PFI及SHAP的多维度特征筛选算法（FRA），确保选出最具影响力和稳定性的指标。

- 最终不同场景下的特征数量介于79至100之间，保障数据维度的有效性。

数据源对预测模型性能影响分析 [page::4][page::5]

• 链上指标持续保持高贡献，适用于短期至长期预测。

- 技术指标主要对短期预测有效，作用随时间窗口延长减弱。

• 传统市场指数和宏观经济指标随预测期增长作用显著。

- USDC链上指标在30天及以上窗口贡献超越BTC链上指标，体现稳定币对市场稳定性的影响。

• 情绪指标对短期波动有贡献，但对长期作用有限。

关键指标及其对短期与长期的驱动作用 [page::5]

| 2017集 | 短期重要指标 | 长期重要指标 |
|--------|--------------|--------------|
| | EMA100市场价值，矿工累计收入，实时市值 | 小额地址余额分布，活跃供应总量 |

| 2019集 | 短期重要指标 | 长期重要指标 |
|--------|--------------|--------------|
| | USDC大额余额地址数量，鱼类持币比例 | 存量及供应动态指标如s2f_ratio、长期供应活跃度 |

• 短期关注市场趋势指标，长期关注财富分布和供应稀缺性指标。

- USDC指标在短期反映市场参与者活动，长期指示市场稳定和资金流向。

预测模型的性能提升幅度 [page::6]

| 预测窗口 (天) | 2017集提升 (%) | 2019集提升 (%) |
|---------------|----------------|----------------|
| 1 | 79.47 | 794.71 |
| 7 | 85.59 | 855.87 |
| 30 | 189.08 | 191.51 |
| 90 | 218.96 | 274.74 |
| 180 | 636.24 | 512.59 |

| 数据类别 | 2017集提升 (%) | 2019集提升 (%) |
|-------------------------|----------------|----------------|
| 宏观经济指标 | 825.72 | 913.55 |
| 情绪和兴趣指标 | 1118.16 | 895.61 |
| BTC链上指标 | 12.09 | 17.51 |
| 传统市场指数 | 244.38 | 273.13 |
| 技术指标 | 78.02 | 81.72 |
| USDC链上指标 | — | 378.52 |

• 多样性数据融合有效降低模型误差，尤其对宏观和情绪类指标提升显著。

- 链上BTC指标改进相对有限，说明其本身信息已较为充分。

• 采用多数据类别提升预测模型稳健性和长期准确度。

未来研究方向及结论 [page::6]

• 平衡数据类别代表性，丰富情绪和宏观经济指标数据。

- 引入更多代表性区块链资产链上数据，增强模型泛化。

• 探索数据多样性对深度学习等复杂模型的影响。

- 应用于加密货币资产组合优化，提升实战应用价值。

• 本文为加密货币市场预测提供了系统的多数据源整合分析框架，显著提升了模型性能和市场理解深度，为后续研究和实际应用奠定了基础。

金融研究报告详尽分析报告

报告题目：From On-chain to Macro: Assessing the Importance of Data Source Diversity in Cryptocurrency Market Forecasting
作者：Giorgos Demosthenous, Chryssis Georgiou, Eliada Polydorou（塞浦路斯大学）
发布日期及出处：2024年VLDB Workshop: Foundations and Applications of Blockchain (FAB)
研究主题：加密货币市场预测模型中多样化数据源的重要性评估

---

一、元数据与报告概览

本报告聚焦于加密货币市场预测模型，重点探讨数据类型多样性（技术指标、链上指标、情绪指标、传统市场指标及宏观经济指标）对模型预测精度的影响。作者创新性引入了Crypto100指数，以囊括市值排名前100的币种，构建更具代表性的市场指数。同时提出了一种新的特征降维算法，以从多元数据中筛选出最具预测价值和稳定性的指标。

核心发现：

• 多元数据融合显著提升预测模型的性能，无论短期还是长期预测均适用。

- 链上指标对短期和长期预测均极为重要。

• 传统市场指数及宏观经济指标在长期预测中逐渐显示其价值。

- 情绪和技术指标对短期预测较为关键，但长期贡献有限。

报告通过实证实验验证了不同数据源多样性对预测准确度的增益，具有促进未来更精准、稳健的加密货币预测模型构建的指导意义[page::0,1]。

---

二、逐节深度解读

2.1 引言与背景

报告开篇回顾了2008年金融危机对传统金融系统信任的冲击，强调了比特币作为数字资产的开创地位及其市场的爆炸性增长。现今有超过10,000种资产，用户规模预计至2023年达5.8亿，年增长34%。加密货币市场的全天候交易、低费用、无边界等独特属性吸引了多层次投资者。

挑战在于市场本身极度波动、不确定，且历史数据有限，这对构建准确预测模型提出高要求。现有文献大多依赖技术指标和情绪分析，忽略了加密市场特有的链上数据价值，且通常仅结合少量数据类型，存在挖掘潜力不足等问题。作者正是针对这一裂隙，设计了以数据多样性为核心的研究框架，旨在全面揭示数据源融合对模型效果的深远影响[page::0]。

2.2 数据类别定义

报告将市场数据分为五大类：

• 宏观经济指标：央行利率、通胀率等全球宏观经济变量。

- 技术指标：传统基于价格和成交量的技术面指标，如移动均线（MA）、相对强弱指数（RSI）。

• 情绪与关注度指标：社交媒体情绪、Google趋势、恐惧贪婪指数等反映市场参与者心理。

- 传统市场指数：传统金融市场指数，如债券（BSV）、贵金属（金）、货币对（欧元兑美元）、股票指数（纳斯达克100）。

• 链上指标：基于区块链本身数据，如交易量、矿工收益、活跃地址数、供应分布等，提供独特的市场行为洞察。

这一划分为模型输入提供了多层次、多维度信息基础[page::1]。

3.1 数据集与实验设计

• 数据采集周期2017年1月至2023年6月，涵盖了包括BTC和USDC的链上信息。

- 引入Crypto100指数，通过对前100大币种市值加权并利用日志尺度及调整因子实现指数的平滑和可比性，参照标普500指数的计算方法确保指数连续性和市场代表性。

• 实验区分2017-2023全样本和2019年以来子样本，后者弥补关键指标数据缺失问题（如USDC、恐惧贪婪指数等）。

- 预测时间跨度设为短期（1天，7天）和长期（30、90、180天），覆盖主流文献认可的预测窗口。

Crypto100指数历史市值走势显示前100币种占据了绝大部分市场份额（见图1），其指数与比特币价格关系密切，通过多次测算调整了指数的缩放因子（幂次为7），以确保指数与比特币价格的可比性和市场稳定性（图2a、2b）[page::1,2]。

3.2 特征筛选方法

作者设计了特征降维算法（FRA），结合4种不同重要性评估方法：Pearson相关、基于机器学习模型的均方误差（MSE）的Permutation Feature Importance（PFI）、Mean Decrease Impurity（MDI）等。使用随机森林和XGBoost两种模型，通过交叉验证调优后，迭代地剔除贡献度偏低且相关性不足的特征，最终将特征数量压缩到约100个，兼顾了信息量和训练样本限制，同时增强模型对有价值信号的捕捉能力。

FRA算法严防噪声特征进入最终向量，而通过与SHAP值的对比验证，二者选出特征重叠率达78%，进一步证明所选特征的可靠性和代表性。此特征再由后续实验用作多样化数据输入基础[page::2,3]。

4.1 数据源贡献度分析

作者对各数据类别在不同预测窗口中的贡献率进行了归一化计算（模型最终特征数中该类别占比除以原始类别特征总数），详细绘制了2017和2019年数据集（图3和图4）中各类指标的重要性随预测窗口的演变。关键发现包括：

• 链上指标（BTC和USDC）：持续高贡献，适合所有预测期限。USDC链上数据在30天及以上时间段的贡献率甚至超过比特币链上数据，显示其作为稳定币在市场流动性、投机行为中的角色日益重要。

- 技术指标：在短期预测窗口占比高，反映其对近期市场趋势的有效捕捉；但随着预测期限拉长，贡献度显著减少，需其他数据类型补充。

• 传统市场指数：贡献随着预测窗口增长明显上升，说明加密市场长期与传统金融市场相关联趋向增强。

- 宏观经济指标：2017数据集在长周期中贡献提升，但2019数据集中表现为零，这可能源自市场自主性增强、其它因素掩盖宏观影响或数据覆盖期内宏观变化较少。

• 情绪和关注指标：短期窗口相关性较高，长期预测阶段有效性下降。这或反映市场情绪的短暂冲击与长期趋势的区分。

以上说明加密市场在预测层面展现出复杂的多源动态，强调了数据类型时效性和功能的差异性[page::4,5]。

4.2 短期与长期驱动因素挖掘

将短期（1、7天）和长期（90、180天）预测窗口内的重要特征合并后，结合随机森林模型计算特征贡献度，列出每个组别中排名靠前的关键指标。主要亮点：

• 短期关键指标多数为均线类指标（EMA100、EMA200）及链上矿工累计收益（RevAllTimeUSD）等，表明短期趋势动向和网络活跃度是有效信号。2019组中，USDC和富裕钱包地址数等链上财富分布状况亦为短期关键信号。

- 长期指标更偏向于供应量及持币地址分布（如SplyAdrBalUSD100、SplyCur等），显示市值估值和供应稀缺程度对长期趋势影响显著。大户和零散持币者比例等反映市场结构的指标同样重要。

• 独有特征方面，短期重视近期均线及市场资本变化，长期则涵盖传统市场指数（纳斯达克100、美元指数等）和复杂链上指标（供应平衡比、流通速率）。

- USDC相关指标在两者中均有显著存在，且短期体现为地址余额波动，长期反映财富与供应演化，进一步肯定了稳定币在市场机制中的核心作用。

整体显示短期趋势依赖价格行为及链上活跃度信息，长期走势则需宏观经济环境及链上持币结构支持[page::5,6]。

4.3 预测模型性能提升

• 使用随机森林模型，结合上述精选多类别特征集，模型表现相比单一数据类别平均减少均方误差（MSE）455.67%（2017）和426.67%（2019），充分体现数据源多样化的增益。

- 功能类别维度看，宏观经济指标和情绪指标因原本数据量较少，经数据融合后MSE减少幅度最高（最高达1118%），显示丰富数据源解决了样本不足和噪声干扰问题。

• 链上BTC指标改进最小（约12-17%），可能由于其本身包含了较全面的核心市场信息，其他类别的数据补充相对较少。

- 类似提升在XGBoost模型上也能显现，增强了结果的稳健性。

总体证明包含多样化数据的预测模型明显优于单一数据源，有助于减缓加密货币市场本身的高波动和不确定性带来的预测难度[page::6,7]。

5 挑战与未来方向

• 数据类别之间的代表性不均衡，特别是情绪和宏观经济数据相对较少，可能带来偏差，未来应致力于更均衡和丰富的原始样本。

- 链上数据覆盖仅限BTC和USDC，未来建议扩展至其他主流币种（如以太坊）以捕获细分市场动态。

• 需探讨数据多样性对复杂模型（尤其深度学习架构）的影响，避免噪声累积。

- 研究成果可为实际金融应用（如投资组合优化）提供基础工具和数据支持。

报告规划将成果应用于构建更具动态适应能力的投资策略，推动加密资产管理实践[page::7]。

---

三、图表深度解读

图1（第2页）

描述：揭示前100大币种市场资本总额与整个加密市场总市值的对比趋势曲线。
解读：几乎完全重合，表明前100大币种已经囊括了绝大部分市场规模，验证Crypto100指数作为市场代表的合理性。
联系文本：支持报告选用Crypto100指数作为市场预测对象的论点，体现研究覆盖面广泛。

图2a、2b（第2页）

描述：不同缩放因子（幂次为6至8）下Crypto100指数与比特币价格变化趋势对比。
解读：幂次低于6时，指数明显偏离BTC价格，降低了可比性；幂次7时曲线最匹配，既保持指数连续性，也便于与单一币种价格比较。
联系文本：验证作者设计的指数计算方法有效性，提高了指数代表性与稳定性。

图3、4（第4、5页）

描述：2017及2019年数据集中不同数据类别特征在最终筛选向量中占比随预测窗口变化的趋势曲线。
解读：链上数据始终占据主导，技术指标贡献随预测窗口拉长减少，传统指数及宏观指标表现出未来较强的增长趋势；2019数据集中宏观指标缺失凸显市场行为差异。
联系文本：直观揭示数据类别作用随时间尺度的动态演变，说明模型需根据预测目标调整数据源配置。

表1（第3页）

描述：各时间段及预测窗口场景中最终特征数量调整情况。
解读：特征数基本在79至100之间，显示算法有效压缩特征维度，兼顾完整性和计算效率。

表3、4（第5、6页）

描述：短期与长期重要特征排名及其定义。
解读：短期侧重均线和矿工收益，长期聚焦供应及财富分布，独有特征揭示两类时间尺度对应不同市场驱动力。

表5、6（第6、7页）

描述：模型性能改进百分比，分别按预测窗口和数据类别划分。
解读：较长预测窗口的改进更显著，宏观及情绪数据类别因基线低改进率最高，链上BTC指标表现稳定但提升较低。
联系文本：数据多样化的直接效益量化，彰显多类别整合的预测优势。

---

四、估值分析

本研究本质上侧重于加密市场预测模型的构建与性能优化，未涉及传统意义上的公司估值分析或资产定价估值方法（如DCF、PE倍数等）。然而，通过精准预测市场价格走势，对资产定价和投资决策提供了数据支持，间接提升投资估值的有效性。Crypto100指数的设计可为后续衍生资产估值建立基准，增强市场透明度和研究统一度。未来研究可进一步结合估值模型结合多样化数据改善风险评估和投资回报预测。

---

五、风险因素评估

报告未专门列出风险因素评估章节，但通过内容可推断可能影响研究与应用风险点：

• 数据偏差风险：部分数据类别（情绪、宏观经济）数据覆盖不足，可能导致模型对这些信息的预测能力被低估。

- 市场动态变化风险：加密市场快速发展，微观结构及驱动机制可能随时间演变，造成模型训练结果时效性降低。

• 链上数据代表性风险：选择仅用BTC和USDC代表链上数据可能缺失其他重要币种特征，影响模型全面性和泛化能力。

- 模型复杂度与过拟合风险：增加数据类别与特征数提升模型复杂度，需警惕对噪声的过拟合，损害预测泛化能力。

研究建议未来通过增加数据源、多币种覆盖及更复杂模型验证来缓释上述风险[page::7]。

---

六、批判性视角与细微差别

• 数据选择偏差：USDT未纳入链上稳定币数据，虽因声誉和活动问题合理，但仍可能遗漏市场中的重要流动性和资金流动信息，从而对预测产生潜在逻辑盲区。

- 宏观经济指标缺失解读：2019子集宏观指标的完全缺失反映市场结构的非线性复杂变化，亦提示模型可能在不同市场周期下表现不稳定，未来需注重时间窗口选择和动态特征的重要性。

• 特征选择算法的普适性限制：FRA与SHAP虽有效筛选重要特征，但均依托当前模型与数据，缺乏针对未来市场结构突变的适应机制，提升鲁棒性是未来重点。

- 未深入探讨情绪数据富集：情绪指标贡献虽显短期重要性，但原始样本较少，且未深入分析不同情绪指标间的差异性，这可能限制了对市场心理动态的预测深度。

• 指数缩放因子需要动态调整：Crypto100指数缩放因子建议动态调整以适应未来市场变动，这意味着指数维护机制复杂，下一阶段应考虑自动化调节方案。

以上细微解析为模型和方法的实际应用提供了更全面的视角和提升方向。

---

七、结论性综合

本报告系统性地研究了多数据类别融合对加密货币市场预测模型性能的积极影响，成果突出体现为：

• 引入Crypto100指数，提供较完整且稳定的市场代表工具，改善仅依赖单一币种的局限。

- 创新特征降维算法，结合多种特征重要性评估方法，确保最终输入维度既紧凑又高效，有效去除噪声。

• 实证验证多元数据融合增强模型性能，提升幅度在多模型和多时间窗口中均有体现，特别是提高了宏观及情绪小样本数据的利用价值。

- 不同预测期限下不同数据类别作用变化明显，链上数据对所有期限均关键，技术及情绪指标适合短期预测，传统市场及宏观数据日渐成为长期预测核心。

• 稳定币（USDC）链上指标的重要性日益突出，对市场流动性与投资者行为提供了新的监控视角。

展望未来，建议在拓宽链上数据覆盖、增强数据类别均衡、深化复杂模型应用及实际投资组合优化等方向继续深耕。总的来说，本报告为加密市场预测学术研究和实务应用奠定了坚实的基础，推动构建更为准确、鲁棒的预测体系，为投资与风险管理提供重要支撑[page::0,1,2,3,4,5,6,7]。

---

图片引用示例

---

备注：所有结论与推断均明确标注页码以保证溯源规范。

报告