比特币是货币还是商品？这个数据分析给你答案

文/马克肖特

比特币作为数字加密到底是什么？ 是更接近商品属性，还是更接近传统意义上的货币？ 数据人Mark Schott通过大数据分析了比特币价格的波动。 他发现，比特币的价格波动极大，在宏观货币经济中发挥着独特的作用，其日收益率表现更像大宗商品的标的物。

“商品”比特币

这个大数据应用项目是关于比特币价格波动的数据分析。 比特币具有高度波动性，在宏观货币经济中发挥着独特的作用，加密货币充满争议。

我使用线性回归和分布拟合来描述比特币的趋势，并介绍未来使用信号处理技术进一步分析比特币的可能性。

本文将证实比特币的高波动性特征，同时也有证据表明比特币的行为确实更像是一种商品而不是一种货币。

在我的研究中，我使用 Scrapy 从比特币数据网站 99bitcoins.com 上抓取数据来分析这个项目。 具体来说，我爬取了61篇比特币相关的新闻文章和每篇文章报道的事件前后10天的价格变化，以及比特币每日完整的交易价格历史数据。 这些事件包括比特币交易平台Mt.Gox被黑客攻击、中国央行限制比特币等等。

（图片说明：左上是比特币5月1日的历史价格，红点对应从网站爬取的61篇新闻文章，另外三张图是这张图细节的放大版，是比特币期间的波动情况交易过程。高短期数据。）

我决定首先使用 R 中的 Ryuzhet 包对这些新闻报道进行快速情绪分析。

我首先从文本中提取出相应的情绪因素，发现积极的情绪和更信任的态度明显增加了。 在这个小样本的分析中，情感分析+NLP（自然语义处理）分析的方法似乎更有效。

（图片说明：61篇新闻报道中不同情绪因素的变化）

上图是我爬取的61条新闻报道中各种情绪因素的变化。 横轴上的 event_no 值随时间增加。 稳定的增长趋势表明积极和信任的情绪正在增加。

（图片说明：“信任信任”情绪的线性回归分析）

上图是对第二组图中“信任”对应的图表进行线性回归分析。 获得的拟合曲线的相关系数为 p 值 0.018、R^2 值 0.091 和斜率 0.0122。

为了进一步研究比特币的走势，我决定对其日收益做一个直方图。 图中可以看到一个清晰的分布模式，但我不确定是哪一个。 后来发现相对来说更符合柯西分布的特点。 这可能是因为柯西分布更好地描述了比特币相关极端事件的尾部表现。 Cauchy 分布没有定义的均值或方差，这与比特币的高波动性一致。

我使用了统计库 scipy.stats 来拟合分布，所以我没有测试具体拟合参数的好坏，但我打算在未来的工作中使用 scipy.odr 模型。

上面是柯西分布的方程式比特币收益率计算，它似乎与比特币的每日回报相当吻合。 这种分布没有明确的均值或方差，也证明了比特币每日收益的高波动性。

上图是比特币日收益的标准化直方图。 绿色曲线是柯西分布，与直方图吻合得很好，红色曲线是正态分布，不太吻合。

以上是商品铜和棉花的分布图。 虽然远非完美，但两者的每日回报似乎更符合柯西分布而非正态分布。 也许这也表明比特币的行为更像是一种商品，而不是一种货币。

这个结论并不奇怪。 我们可以看看比特币的这些特点：

1、比特币总量固定为2100万枚

2.迎合了国际化、匿名化交易的需求，这一直是令政府头疼的问题

3. 在一些法定货币不稳定的国家充当紧急货币。像塞浦路斯和委内瑞拉

这些和其他因素共同赋予比特币独特的作用（以及相对较少数量的其他加密货币），并使比特币具有根本价值。

作为最著名和最早的加密货币，比特币在使用上具有优势。 这也让我们对莱特币、以太坊等加密货币未来是否还有生存空间感到疑惑和期待。

跌宕起伏从未停止

我的分析接下来进入金融信号处理的范畴。 我从btc-e比特币交易所获取历史交易数据，以图表的形式展示各种每日收益随时间的变化。

上图显示了 1、10、30 和 90 天期间的回报。 1 天的回报图看起来像信号，这促使我选择使用金融信号处理（Financial Signal Processing）。 分析。 从左上角的图片可以大致看出，正回报率高的时间点在时间上与负回报率高的节点非常接近。 这种现象称为波动率聚类。

总的来说，我们从这个项目中了解到的关于比特币的知识表明，比特币是一种非常不稳定的资产，其每日回报率更像一种商品。 从新闻报道来看比特币收益率计算，它似乎正在获得可信度并引发积极情绪。 期待未来继续深入探索比特币等金融时间序列数据，学习更多分析技术。