2008年，中本聪发布比特币白皮书宣告着比特币的诞生，如今10年过去，比特币愈发成为被认可的另类投资品。在经过上一轮牛熊之后，比特币也度过了野蛮发展阶段，开始逐渐趋于成熟以及理性。
今年以来，比特币从3000美元涨至14000美元，涨幅超350%，暴涨的背后则是众多利好因素推动的结果，那么未来比特币的走势又将如何？本文旨在通过多重方面分析入手，为投资者投资数字货币提供一些参考。
1、比特币避险属性趋强
一直以来，黄金都被当作是避险资产，如今随着比特币的不断发展，比特币被越来越多的人认可，也逐渐拥有了类黄金般的避险属性。
此前的研究数据表明，近年来，比特币与黄金的相关性不断上升，从最低的-0.02上升至高点0.28。（相关性通常在-1至1之间测量，-1表示两个变量时负相关，0表示无相关，1表示完全相关）。
数据来源：coinmetrics
一个较为明显的现象是，当市场稳定并上涨时，比特币会稍显疲软，但当市场动荡之时，比特币和避免资产就会持续高涨。
今年以来，受中美贸易争端、美伊冲突、日韩斗争以及英国脱欧等众多全球地缘政治不稳定的影响，比特币与黄金在关键节点呈现出了相同的走势，彰显了比特币的强避险属性。
需要提及的是，在8月7日人民币对美元汇率跌破7之后，比特币开启了一波拉升，业内人士称也是由于用户避险情绪推动的。
在地缘政治冲突加剧的时代，持有一定的比特币会是一个不错的选择。
2、美联储降息
作为一种全新的新兴资产，比特币越来越受宏观环境的影响，与全球大类资产间的联动关系也在逐渐加强。
此前的研究数据表明，比特币的走势与美联储加减息之间存在相关性，在降息日或加息日比特币的走势将会在一定程度上影响其未来的走势。
8月1日，美联储宣布降息25个基点，将联邦基金率目标区间下调至2%-2.25%，此则消息一出，比特币日内涨幅超4%，随后开启5连阳。
分析师认为，本次降息在一定程度上预示着新一轮货币宽松政策不远了，对于市场来说将会是长期利好。
3、技术分析层面
从技术指标上判断BTC的价格走向，最基础也是最实用的是趋势线。除了趋势线以外，指标上看趋势还可以从MACD指标，成交量线等来看。前两者都是与价格相关的判断趋势方法，而成交量则从整个市场的交易热情来看。
不管是价格上还是成交量上，都遵循技术分析里的价格沿趋势变动的原则。按照指标确认的价格趋势，我们可以发现BTC的运行方向以及接下来时间的波动潜力。
4、趋势线趋势
趋势线判断价格运行趋势，确认的价格走向简单明了。特别的当画线足够丰富的时候，不仅价格趋势得到体现，就连反转点位也能清晰的标注出来。
按照趋势的既定陆续运行的BTC价格，提示的交易机会自然更为典型。
江恩线的画法非常简单，当我们寻找到历史最高点位19875美元以后，从该点向2018年最低3155美元画1/1分割线以后，就得到了回落趋势中的江恩线。从2019年的回升趋势BTC轴线来看，价格在江恩2/1线位置突破以后出现明显回撤，再确认了支撑以后才开打涨幅到3/1线以上。而接下来4/1线的阻力较强，周K线就是在4/1线附近冲高回落。最终，BTC运行在3/1线下方。
熊市中江恩线提示BTC转折点的效果非常好，放在回升趋势中，我们同样可以用江恩线来精确判断价格可能的反转点位。甚至通过熊市和牛市中2套江恩线来确认今后一个时期里达到重要点位所需要的时间。
图中显示，通过B到C位置画出江恩线以后，投资者可以发现非常典型的支撑线出现了。其中，除了通过BC江恩1/1线以外，江恩2/1线是重要的支撑线。本次走K线虽然下跌收盘价却并未跌破2/1线，正是支撑发挥了作用。判断本次BTC的价格走向时，近期收盘价位于熊市中画出的江恩3/1线位置。
接下来，江恩线的交叉点D、E、F是可能的重要变盘点位。而D位置经历当前价位最近，对应的交易日期是2019年8月26日开始的这一周。本次BTC短期若不能顺利突破下降趋势的江恩3/1线，那么调整可能要进行到D位置才会选择方向。
当然，更重要的变盘点还在E和F位置的江恩交叉线处形成，对应的交易日期是2019年10月28日和2020年2月24日对应的交易周。当然，从低位上看，我们可以确认D、E、F对应的点位是10297美元、12004美元、15265美元。
以上的预判，是根据江恩典型变化的节点来看的价格变盘点位，以及在不同时期能够达到的点位。当然，如果BTC的价格运行节奏发升改变，沿着江恩2/1和江恩B到C对应的1/1线回升的节奏是不同的，这要根据具体情况来确认。
5、MACD指标趋势
判断BTC的回升趋势是否能够持续，通过分析MACD指标就能够达到答案。
首先我们确认使用计算周期为（10，60，10）的MACD指标来判断价格趋势。其意义是，使用MACD指标的DIF线来判断指数平滑异同移动平均线的运行方向，均线的周期为10日和60日。
图中显示的DIF线在本次价格调整期间并未跌破0轴线，同时MACD指标柱线L处于回升状态，两者分别验证了均线方面的看涨信号和MACD指标本身的走强信号。而DIF线与DEA线的金叉形成以后，进一步验证了MACD指标的看涨。
目前来看，MACD指标的走势健康，即便从柱线的走向来看，L线的回升与DIF线形成背离，有效确认本次短线底部。
值得一提的是，MACD指标从价格上验证了BTC的单边回升节奏，帮助投资者很好的确认价格上涨趋势。当我们将MACD指标与江恩角度线结合使用的时候，就在能够在确认和具体点位上判断交易机会了。
最重要的是成交量指标，用于确认BTC的价格走向时，最不容易失效。
图中显示的成交量短线回升到10日等量线，距离100日等量线较远。这个时候，是技术性反弹的阶段，而非持续创新高的飙升阶段。成交量未能触及100日等量线，自然限制了价格波动强度。不过考虑到当前的整体成交量处于历史高位附近，因此当前的放量与价格走势是相符合的。接下来要看BTC即将突破1.4万美元后的放量进度。通常，能够维持在100日等量线以上的量能状态，完全能够支撑BTC继续飙升。而当10日等量线向上穿越100日等量线前，短期继续放量是必须要有的。
以上围绕量价两个方面，通过MACD指标、江恩角度线和成交量，基本可以综合判断下半年的BTC走势预期。
6、ARIMA模型预测比特币价格
在二级市场中，我们可以通过宏观的、基本面的或是技术分析的角度预测未来价格的走势，随着当前人工智能和机器学习的兴起，通过数学算法运用计算机技术预测价格的涨跌也成为投资者决策的重要辅助。因此，我们在近期也开始了一些量化实验，通过一种简单的算法模拟了一次比特币未来的价格方向。
ARIMA模型通常是用来对带有时间序列的数据进行预测的算法，他是由两种模型结合而成的。第一个模型是自回归模型（AR）。自回归模型描述当前值与历史值之间的关系，用变量自身的历史时间数据对自身进行预测。需要注意的是，自回归模型必须满足平稳性的要求。另外，自回归模型首先需要确定一个阶数p，表示用几期的历史值来预测当前值。p阶自回归模型的公式定义为：
上式中yt是当前值,u是常数项,p是阶数 ri是自相关系数,et是误差。
第二个模型叫做移动平均模型（MA）。移动平均模型关注的是自回归模型中的误差项的累加 主要作用在于消除预测中的随机项，q阶自回归过程的公式定义如下：
将上述连个模型结合在一起就得到了自回归移动平均模型（ARMA），公式如下：
不过，这个ARMA和上面说的ARIMA还差了一点，这一点就是差分法。前文我们说自回归模型有一个要求就是数据的平稳性。所谓平稳性指的是数据的波动都在一定范围内，不会相差过大。如果相差比较多，我们就会采用差分法为数据降噪，让数据在一定幅度内波动。
以比特币为例，从历史数据来看，比特币的波动范围极大，这让我们使用ARIMA模型变得非常困难。因此，我们先会对比特币的价格进行一阶差分。例如下图就是BTC的历史价格（自2014年12月起）与价格一阶差分后的表现。
从差分后的表现我们可以非常明显的看出，即便在一阶差分后，数据仍然不能满足平稳性的要求。因此，在数据的截取上，我们使用了2017年之后的价格数据以期能更有效地得到平稳数据。
上图就是我们截取2017年之后的数据并将数据做了二阶差分后得到的数据平稳性表现。与之前的一阶差分相比，这次的差分效果要好了很多，但由于比特币在2017年的飙涨让数据保持严平稳非常困难。而且我们预测的目的并不是为了精确到进出场的价格而只是为了预测价格趋势，因此可以暂时使用这个二阶差分后的数据。
回到我们的主题，将差分与ARMA模型组合在一起就形成了我们说的差分自回归移动平均模型（ARIMA）。
在使用模型的时候，我们需要先为模型定阶，也就是设定模型中需要的参数p，d，q。在初步设定好模型参数后还要做参数的优化与模型检验。但由于本文篇幅所限，我们只能略过中间的实验环节，直接汇报结果。
我们的实验目的是想明确比特币到今年10月中旬的价格走向。因此，我们先以2017年7月1日-2019年2月20日为训练集，模拟了2019年2月-10月的走势，如下图：
其次我们用2017年7月1日-2019年5月30日为训练集，模拟2019年6月-10月的走势，如下图：
最后我们用2017年7月1日-2019年7月30日为训练集模拟8月-10月的行情走势，如下图
总结来看，由于我们在数据降噪处理上还不能做得很精细，因此这也影响了一些模拟效果。但我们想要得到的只是方向性的指引而不是精确的价格位置。从2月、5月及7月的三次模拟来看，虽然比特币价格的波动都远远超出预测的价格，但ARIMA模型在2月和5月都预测对了方向，而在7月之后的预测中出现了横盘的走势。
机器是不是能预测对之后的走势，这需要行情来检验。我们用计算机模拟价格的方向并不是要推翻之前关于技术面或基本面的认知，而是希望为投资者拓宽视野，提供更全面的思考角度，运用于自己将来的交易中。
注：本文关于ARIMA模型的理论部分参考了《ARIMA模型原理及实现》一文。原文链接：
本文来自，仅作分享，存在异议请联系平台删除。本文观点不代表刺猬财经 - 刺猬区块链资讯站立场。