Sebuah tangkapan layar beredar pada sore hari Kamis. Ada grafik Bitcoin, sebuah panah merah yang ditarik turun dari puncak lokal, dan sebuah keterangan: model kami menyebut penurunan ini. Gambar itu nyata. Penurunannya nyata. Yang hilang adalah satu-satunya hal yang bisa membuat klaim itu bermakna — bukti bahwa panah itu ada sebelum candle tersebut.

Kesenjangan itu adalah keseluruhan pokok bahasan artikel ini. Bukan soal apakah AI bisa mengatakan sesuatu yang berguna tentang harga Bitcoin — bisa — tetapi bagian mana dari praktik yang bertahan saat berhadapan dengan papan skor publik, dan bagian mana yang hanya ada karena tak ada yang mengecek.

Apa sebenarnya yang diklaim oleh prediksi harga Bitcoin

"Bitcoin akan mencapai level tertentu" bukan satu klaim. Itu tiga klaim yang disatukan dan biasanya dibiarkan tidak disebutkan.

Pertama adalah arah. Kedua adalah besarannya. Ketiga, yang hampir selalu diabaikan, adalah horizon: kapan, dan diukur terhadap harga referensi yang mana, di venue mana, menggunakan konvensi timestamp yang mana. Jika horizon dihapus, klaimnya menjadi tidak dapat dipalsukan — setiap panggilan akhirnya benar jika Anda tidak pernah menyebut kapan.

Prediksi yang bisa dinilai harus memastikan ketiga hal itu sejak awal. "Probabilitas bahwa BTC ditutup di atas level yang dinyatakan pada menit UTC tertentu, direferensikan ke indeks yang dinyatakan" adalah pernyataan yang bisa diuji. "BTC akan naik" adalah suasana.

Pembedaan ini lebih penting untuk Bitcoin daripada kebanyakan aset, karena Bitcoin diperdagangkan terus-menerus di banyak venue tanpa bel penutup untuk mengikat pertanyaan. Jika referensinya dibiarkan samar, orang yang menilai prediksi bisa memilih tick yang sesuai dengan mereka. Menentukan referensi itu bukan pedantry. Itu yang membuat catatannya kebal terhadap pemalsuan.

Apa yang AI lakukan dengan baik secara nyata di Bitcoin

Singkirkan panah-panahnya, dan di sini ada pekerjaan nyata yang dikerjakan. Machine learning melakukan beberapa hal pada data kripto yang tidak bisa dilakukan analis manusia dengan kecepatan atau skala yang sama.

Deteksi rezim. Pasar tidak punya satu perilaku; pasar punya beberapa, dan pasar berpindah. Periode volatilitas realisasi yang rendah dengan rentang yang ketat dan cenderung kembali ke rata-rata tidak sama sekali seperti tren pelepasan posisi dengan volatilitas tinggi. Hidden Markov models, clustering pada jendela fitur yang bergulir, dan sequence models benar-benar berguna untuk memberi label rezim yang sedang menyerupai tape saat ini. Label itu tidak memberitahu Anda harga berikutnya. Label itu memberi tahu distribusi mana dari harga-harga berikut yang masuk akal — klaim yang jauh lebih lemah, dan jauh lebih jujur.

Estimasi volatilitas. Ini adalah aplikasi yang paling dapat dipertanggungjawabkan di seluruh bidang. Volatilitas persisten dengan cara yang berbeda dari return: periode tenang mengelompok, periode ganas juga mengelompok. Model yang mengolah volatilitas realisasi, permukaan implisit, tingkat pendanaan, dan open interest dapat menghasilkan rentang prediksi ke depan yang berguna. Memprakirakan seberapa lebar distribusinya akan melebar adalah masalah yang berbeda dan jauh lebih dapat ditangani daripada memprakirakan di mana pusatnya akan jatuh.

Membaca arus order. Ketidakseimbangan order book, autokorelasi tanda transaksi, kedalaman yang muncul dan menghilang di sekitar angka bulat, kecepatan likuidasi — semua itu dapat diukur dan membawa informasi berjangka pendek. Informasinya cepat meredup, seringkali dalam hitungan detik hingga menit, dan diperebutkan dengan agresif hingga tersingkir. Tapi ia ada, dan mesin membacanya lebih baik daripada manusia.

Data on-chain. Bitcoin tidak biasa karena merupakan ledger publik. Distribusi umur koin, arus masuk dan keluar bursa, saldo penambang, porsi pasokan yang tidak bergerak dalam bertahun-tahun — ini adalah fitur struktural yang tidak didapat analis ekuitas. Itu sinyal yang lambat, lebih cocok untuk menggambarkan komposisi pemegang daripada mengatur timing apa pun. Jika diperlakukan sebagai konteks, itu berharga. Jika diperlakukan sebagai pemicu, biasanya menghasilkan alarm palsu.

Pencernaan berita dalam skala besar. Model bahasa dapat membaca setiap berkas, pemberitahuan regulatori, pengumuman bursa, dan perubahan protokol dalam waktu yang dibutuhkan seseorang untuk membaca satu, dan dapat mengubah arus itu menjadi fitur terstruktur: apa yang terjadi, kepada siapa, dan seberapa tidak biasa itu dibanding tingkat dasar. Itu leverage nyata pada sisi input sebuah prediksi.

Perhatikan apa yang dimiliki setiap item dalam daftar itu. Semuanya meningkatkan deskripsi ketidakpastian. Tidak ada yang menghasilkan harga.

Apa yang tidak bisa dilakukan AI, betapapun besarnya modelnya

Itu tidak bisa memberi tahu Anda harga Bitcoin pada hari Selasa depan.

Bukan karena modelnya terlalu kecil, atau datanya terlalu jarang, atau fiturnya belum cukup cerdas. Karena harganya ditetapkan oleh pasar yang likuid dan penuh persaingan, di mana setiap peserta yang punya prediksi yang bekerja sudah memanfaatkannya untuk berdagang. Apa pun yang bisa diketahui dan menguntungkan sedang diintegrasikan secara terus-menerus oleh orang-orang dengan modal, keunggulan latency, dan model mereka sendiri. Tidak ada metode yang secara andal mengungguli pasar likuid, dan siapa pun yang menjanjikan itu sedang menjual sesuatu.

Yang tersisa setelah itu masih layak dimiliki: ketidakpastian yang lebih terkalibrasi, pengenalan yang lebih cepat tentang keadaan pasar, serta estimasi yang disiplin tentang seberapa lebar lonjakan berikutnya bisa bergerak. Itu kontribusi nyata. Itu bukan panggilan harga, dan sistem apa pun yang membungkusnya sebagai panggilan harga telah beralih dari peramalan menjadi performa.

Teaternya mudah dikenali begitu Anda tahu bentuknya. Prediksi titik tanpa interval. Horizon yang berubah setelah kejadian. Contoh terpilih tanpa penyebut. Keyakinan yang tidak pernah berubah sesuai tingkat kesulitan pertanyaan. Rekam jejak yang terdiri sepenuhnya dari kasus-kasus yang berhasil.

Kalibrasi mengalahkan keyakinan: alasan untuk probabilitas

Alternatif untuk angka yang penuh keyakinan bukanlah lindung nilai. Itu adalah probabilitas yang sudah diuji.

Seorang peramal yang mengatakan 70 persen seharusnya benar tentang tujuh puluh persen dari waktu pada semua kesempatan ketika mereka mengatakan 70 persen. Itu kalibrasi, dan itu bisa diukur — tetapi hanya untuk seluruh rangkaian, termasuk setiap prediksi yang berjalan buruk. Satu prediksi tidak memberi tahu apa-apa. Seratus prediksi, semuanya dicatat sebelumnya, memberi banyak informasi.

Aturan penilaian yang tepat adalah cara pengukuran dilakukan. Skor Brier dan log-loss berbagi sifat yang membuat keduanya sulit untuk dicurangi: keduanya diminimalkan dengan melaporkan keyakinan sejati Anda. Melebih-lebihkan kepastian dihukum lebih keras daripada salah sambil tetap cukup tidak pasti. Seorang peramal yang mengatakan 95 persen dan salah mendapat skor yang jauh lebih buruk daripada yang mengatakan 60 persen dan salah. Di bawah aturan penilaian yang tepat, gaya berani adalah biaya, bukan aset pemasaran.

Inilah mengapa output probabilistik bukan produk yang lebih lemah daripada target harga. Output itulah satu-satunya yang bisa diberi nilai sama sekali.

Mengapa backtest bukan bukti

Setiap model punya backtest yang baik. Itulah tujuan backtest.

Data historis itu tetap dan terbatas, dan penelitinya adalah manusia yang sudah pernah melihatnya. Pilihan-pilihan menumpuk dengan tenang: jendela yang mana, fitur yang mana, normalisasi yang mana, pengecualian untuk periode "anomali", berapa banyak variasi yang dicoba sebelum satu terlihat bersih. Bahkan jika dilakukan dengan integritas total, prosesnya cocok untuk masa lalu — dan masa lalu adalah satu-satunya dataset yang dijamin tidak akan terulang.

Kripto memperumit ini. Struktur mikro pasar telah berubah berulang kali seiring venue, instrumen, kustodian, dan partisipannya berubah. Model yang disetel di era struktural sebelumnya sering kali sedang diuji pada pasar yang kini tidak lagi ada.

Satu-satunya pengujian yang tidak terkontaminasi adalah out-of-sample dalam arti ketat: prediksi dibuat sebelum hasilnya, dipublikasikan sebelum hasilnya, dan tidak bisa direvisi setelahnya. Itu klaim yang jauh lebih kecil dibanding backtest, namun datang jauh lebih lambat. Itu juga satu-satunya jenis yang benar-benar dihitung.

Seperti apa tampilan prediksi BTC yang terkunci, di-hash, dan dinilai secara publik

Berikut mekanismenya, secara berurutan.

Prediksi ditulis lengkap sebelum peristiwa: pertanyaannya, harga referensi dan venue-nya, waktu resolusi yang tepat dalam UTC, probabilitasnya, dan penalaran yang menghasilkannya. Tidak ada yang dibiarkan tersirat, karena apa pun yang tersirat bisa ditafsir ulang belakangan.

Dokumen itu kemudian di-hash dengan SHA-256. Hash tersebut adalah sidik jari panjang tetap — mengubah satu karakter saja dari prediksi membuat sidik jari berubah sepenuhnya. Mempublikasikan hash membuat komitmen pada kontennya tanpa harus langsung mengungkapkannya.

Hash tersebut dipautkan ke blockchain Bitcoin menggunakan OpenTimestamps, yang membuktikan sidik jari itu sudah ada paling lambat pada blok tertentu. Ada simetri yang indah dalam memakai ledger milik Bitcoin sendiri untuk memberi timestamp klaim tentang harga Bitcoin: properti yang sama yang membuat rantai berguna sebagai lapisan penyelesaian — mahal, publik, sulit diubah — juga membuatnya berguna sebagai notaris.

Saat waktu resolusi tiba, hasil dicatat terhadap referensi yang telah ditetapkan sebelumnya dan dinilai dengan aturan penilaian yang tepat. Hasilnya kemudian masuk ke ledger publik yang sama seperti semuanya. Bukan pilihan darinya. Semua — panggilan yang berhasil mendarat dan panggilan yang tidak, dengan ukuran yang sama, di tempat yang sama.

Bagian terakhir inilah tempat sebagian besar rekam jejak diam-diam gagal. Ledger dengan editor itu seperti brosur.

Tidak ada hal ini yang membuat prediksi menjadi benar. Hal itu membuatnya dapat diperiksa, dan itulah satu-satunya sifat yang membedakan metode peramalan dari tangkapan layar dengan panah di atasnya. Modelnya bisa canggih atau kasar; timestamp-lah yang membuat Anda bisa mencari tahu yang mana.

Konten edukasi — bukan nasihat finansial.

Dipublikasikan pertama kali di neuportal.ai/blog/how-ai-forecasts-the-bitcoin-price