Dự đoán giá Bitcoin bằng phương pháp Monte Carlo

Dự đoán giá Bitcoin bằng phương pháp Monte Carlo


Tóm lược: Tác giả hoàn tất mô phỏng Monte carlo sử dụng mô hình chuyển động hình học Brown cho giá của Bitcoin. Tác giả tự tin đến 95% rằng giá của Bitcoin sẽ ở trong khoảng $3,005 – $81,998 trong vòng một năm tới.

Chi tiết diễn giải:

Bạn đã từng biết tới kịch bản rằng giá Bitcoin sẽ tăng mạnh nhưng bạn đã bỏ lỡ cơ hội. Bạn đã muốn tham gia cuộc chơi nhưng trực giác của bạn bảo không. Thực sự là không ai biết giá BTC sẽ đi về đâu. Giả sử nếu bạn đầu tư và đã mất 20% thì sao? Điều này rất dễ xảy ra trong thế giới của các đồng tiền ảo, nơi mà khoản đầu tư của bạn rất thiếu ổn định.

Vậy giá của BTC có thể leo cao đến đâu?

BITCOIN LÀ MỘT CON QUÁI VẬT KHÔNG ỔN ĐỊNH.

Phân tích rủi ro phải là một phần trong mọi quyết định của bạn.

Bạn sẽ phải đối mặt thường trực với sự bất ổn, sự mơ hồ và sự biến đổi. Sự biến đổi, trong trường hợp của BTC, không giống như bất kỳ thứ gì chúng ta đã thấy trước đây. Và mặc dù chúng ta có thể tiếp cận thông tin ở mức chưa từng có nhưng chúng ta cũng không thể tiên đoán được chính xác tương lai.

BẮT ĐẦU TỪ ĐÂU?

Việc tiến hành mô phỏng sẽ giúp chúng ta chuẩn bị cho kịch bản xấu nhất.

Mô phỏng Monte Carlo (hay phương pháp Monte Carlo) cho phép ra quyết định tốt hơn trong điều kiện không chắc chắn.

Theo Investopedia: Mô phỏng Monte Carlo là phương pháp phổ biến để đánh giá rủi ro.

Ví dụ, để tính Giá trị rủi ro (Value at Risk- VaR) cho danh mục đầu tư, chúng ta chạy mô phỏng MC dự đoán mất mát lớn nhất có thể xảy ra cho danh mục đầu tư với khoảng tin cậy (Confidence interval) cho trước trong vòng đời của danh mục đầu tư. Chúng ta luôn cần phải xác định 2 điều kiện cho VaR: khoảng tin cây và vòng đời danh mục đầu tư. (Tham khảo thêm The Uses And Limits Of Volatility and Introduction To Value At Risk (VAR) — Part 1 and Part 2).

Một MSC có thể được chạy với nhiều mô hình. Mô hình của tác giả là:

1, Xác định mô hình (ở đây tác giả chọn mô hình chuyển động hình học Brown)

2, Lấy lịch sử giá BTC hàng ngày

3, Tính toán lãi hàng ngày

4, Đặt tên các khoảng lợi nhuận hàng ngày

5, Tổng hợp số liệu

6, Mô phỏng một năm

7, Mô phỏng một năm nhiều lần

8, Tổng hợp số liệu nhiều năm,

9, Phân tích nhanh kết quả.

Bước 1: Mô hình hình học chuyển động Brown là gì ?

Mô hình hình học chuyển động Brown (The geometric Brownian motion-GBM) là một phương pháp thống kê được sử dụng rộng rãi trong dự đoán giá cổ phiếu. Nó được ưu chuộng bởi một số lí do sau:

  • Thay đổi giá tại một khoảng thời gian không liên quan đến thay đổi giá trên khoảng thời gian đứt đoạn.
  • Thay đổi của log(giá) trong một khoảng thời gian được phân phối phụ thuộc vào độ dài của khoảng thời gian ấy.
  • Các mẫu phân phối có tính tiếp nối, sác xuất là 100%.

GBM về bản chất kỹ thuật là một quy trình Markov, một quá trình ngẫu nhiên dự đoán xác suất tương lai dựa trên giá trị gần nhất hiện tại. Nói theo cách khác, thông tin của giá trong quá khứ đã được tính đến và biến động giá tiếp theo là một biến độc lập có điều kiện của giá trong quá khứ.

Công thức của GBM như sau:

Dự đoán giá Bitcoin bằng phương pháp Monte Carlo

Trong đó:

  • B là giá BTC
  • m hoặc “mu” là lãi dự kiến
  • s hoặc “sigma” là độ lệch chuẩn của lãi
  • t là thời gian
  • e hoặc “epsilon” là biến ngẫu nhiên

Công thức này có thể được diễn giải thành 2 thuật ngữ quan trọng là: “drift” và “shock”.

Cho mỗi khoảng thời gian, mỗi mô hình giả định rằng giá sẽ “drift” lên bởi kì vọng lợi nhuận. Nhưng điều này sẽ bị “shock” (tăng hoặc giảm) bởi một cú sốc ngẫu nhiên. Cú sốc ngẫu nhiên này sẽ làm cho độ lệch chuẩn “s” tăng “e” lần. Điều này chỉ đơn giản là sự nới rộng lên của độ lệch chuẩn.

BƯỚC 1A. THẦN SẤM SÉT ELI5

Phiên bản ELI5:

Hằng ngày thần sấm sét Zeus có thể đánh vào giá BTC làm nó lên xuống theo tâm trạng. Ngày vui ông ta cho giá tăng và ngược lại.

Và như vậy chúng ta có được bản chất của GBM: một chuỗi các bước với một kỳ vọng có một “drift” lên trên, mỗi bước là một cú sốc tăng/ giảm (đây là tính năng của độ lệch chuẩn trong chứng khoán).

BƯỚC 2. LẤY LỊCH SỬ DỮ LIỆU GIÁ BTC.

Chúng ta sử dụng các cột: Time, Open, Close, High, Low, Volume.

vpZ8Tlu

BƯỚC 3. TÍNH TOÁN LỢI NHUẬN HÀNG NGÀY

Tính lợi nhuận hàng ngày từ giá Close. Tại H2 đặt công thức
=LN(C2/B2)

Kéo hết cột Returns

E2f34cO

BƯỚC 4. ĐẶT TÊN CÁC KHOẢNG LỢI NHUẬN

Tạo một khoảng từ cột doanh thu, đặt là Return. Highlight cả cột H, rồi kích vào manu Data> Named ranges… đặt là Return:

OkngOeh

BƯỚC 5. TỔNG HỢP DỮ LIỆU

Tạo một bảng dữ liệu tổng nhỏ với các cột close, daily volatility, annual volatility, daily drift, annual drift, and mean drift. Công thức:

Tại K1, nhập:
=C2

Đặt tên là close.

Tại K2, nhập:
=STDEV(returns)

Đặt tên là dailyVolatility

Tại K3, nhập:
=dailyVolatility*SQRT(365)

Đặt tên là annualVolatility

Tại K4, nhập:
=AVERAGE(returns)

Đặt tên là dailyDrift

Tại K5, nhập:
=dailyDrift*365

Đặt tên là annualDrift

Tại K6, nhập:
=dailyDrift-5*dailyVolatility^2

Đặt tên là meanDrift

BƯỚC 6: MÔ PHỎNG MỘT NĂM

Tạo bảng mô phỏng 1 năm với cột Time, Normdist, Log Return, và Simulated Price

Time

Tại J12 đặt là 0, tại J13 đặt:
=J12+1

Kéo xuống hết xuống khoảng thời gian mà bạn muốn dự báo. Trong ví dụ này mô phỏng 1 năm, vậy tác giả kéo tới J377

Normdist

Khởi tạo giá trị của đường cong phân phối thông thường. Google Sheets có một công thức tính NORMDIST tính toán giá trị, giá trị trung bình và độ lệch chuẩn. Vì chúng ta dùng lý thuyết ngẫu nhiên, chúng ta sử dụng giá trị trung bình là 0, và một độ lệch chuẩn là 1.

Tại K13, đặt công thức:
=NORMINV(RAND(),0,1)

Kéo xuống K377 cho hết cột Normdist:

Log Return

Để có được phần trăm của biến động hằng ngày, chúng ta tính log lợi nhuận.

Tại L13, đặt công thức:
=meanDrift+dailyVolatility*K13

Copy công thức xuống L377:

Phỏng đoán giá BTC

Phần cuối cùng, tính giá BTC phỏng đoán

Tại M12 đặt Close price, và tại M13, đặt:
=M12*EXP(L13)

Copy công thức xuống tận M377:

Dự báo giá BTC trong một năm.

Chọn từ M12 đến M377, sau đó Insert — Chart chọn line chart:

Vậy là chúng ta đã hoàn thành xong mô phỏng. Kết quả có thể như bình thường hoặc …điên rồ.

BƯỚC 7. MÔ PHỎNG MỘT NĂM LẶP LẠI NHIỀU LẦN.

Chúng ta đã hoàn tất một mô phỏng nhưng thử chạy lại nhiều lần.

Tạo một scenario tab, tạo một bảng mô phỏng 1000 lần mô phỏng 1 năm. Tại dòng A3 tới A1003, đặt số từ 1 đến 1000.

Tại B3, đặt công thức:
=Close*EXP((annualDrift-5*annualVolatility^2)+annualVolatility*norminv(rand(),0,1))

Copy công thức xuống dưới. Đặt tên là “scores”:

BƯỚC 8. TÍNH TOÁN SỐ LIỆU TỔNG NHIỀU NĂM.

Tạo một bảng mới với giá trị trung bình, độ lệch chuẩn, min, max và khoảng cho dữ liệu mới. Công thức:
=AVERAGE(scores)
=STDEVP(scores)
=MIN(scores)
=MAX(scores)
=E6-E5

BƯỚC 9. PHÂN TÍCH NHANH KẾT QUẢ.

Kết quả ở đây nhìn sẽ khác với của bạn (vì tính ngẫu nhiên của NORMDIST và thời gian bạn chọn lấy giá BTC). Nhưng hãy nhìn vào kết quả:

  • Mean 27,09
  • Median 16,74
  • St. Dev 37,84
  • Min 60
  • Max 479,586
  • Range 479,029
  • 3sd $1,486
  • 2sd $3,005
  • 1sd $5,850
  • Current $16,098
  • 1sd $43,896
  • 2sd $81,998
  • 3sd $190,129

Đọc kết quả: có thể chắc 95% rằng giá của BTC sẽ rơi vào khoảng $3,005,- $81,998 trong một năm tới.
Đây chỉ là một công cụ giúp bạn phân tích rủi ro trong quá trình đưa ra kết quả.

KẾT LUẬN:

Vậy là bạn đã biết cách hoàn thành một phân tích chuyển động Brown cho giá BTC.

Bạn có thể sử dụng phương pháp này trong việc dự đoán giá tương lai của các loại tiền ảo khác.

Với nhiều công cụ trong tay, bạn có thể tự tin vào các phân tích rủi ro của mình bằng cách nhìn vào các khả năng có thể xảy ra nếu bạn đưa ra quyết định của mình.

Tham khảo dữ liệu trong bảng tính


Bình luận

Email của bạn sẽ không được hiển thị công khai.