预计 2024 年比特币价格将高达 288,000 美元

最近，Nick Emblow 利用 K-means 聚类分析方法，用独立数据重现了 S2FX 模型，还区分了四个比特币阶段。 他预测，到 2024 年第四次减半时，比特币的价格将在 8.3 万美元至 148 万美元区间，中位数为 35 万美元。 详细解析请看本期Hardcore，欣赏。

在 PlanB 的 S2FX 文章中，他确定了比特币的四个不同阶段，它们对应于不同的库存/生产比率。 通过对这些阶段中心点对应的存产比和市值进行线性回归，可以画出一条直线，落在黄金和白银的一条直线上。 这让人们有信心比特币正在通过试验阶段，并将产生真正的经济影响。

我对这些模型非常怀疑，所以我打算在不依赖PlanB的任何假设的情况下使用K-means聚类数据分析技术（注：K-means聚类算法是信号处理中的一种矢量量化方法，其目的是划分n个点——可以是样本的一个观察值或一个实例——分成k个簇，使得每个点都属于离他最近的均值，即聚类中心对应的簇，以作为聚类准则。 PlanB 使用的遗传算法。）来重现模型。

图 1 — 比特币的四个阶段由 k-means 聚类确定比特币1分28秒预测，它们的市值和库存/生产比率与黄金和白银的关系图

有趣的是，k 均值聚类发现的关系与 PlanB 确定的关系几乎相同。 下面我继续用k-means聚类来区分关系。

在图 1 中，比特币的四个阶段分别用绿色、黑色、蓝色和红色标记，数据中心用圆点标记。 这些数据中心点的数据（库存/生产比率和市值）在下面的表 1 中提供。

表 1：图 1 中心点的数据

回归方程的参数如下表所示。

表 2：显示非常适合的回归参数

系数和常数下方括号中的数字是标准偏差 (SE)。 标准偏差用于衡量系数的置信度。 如果由回归系数 ±1.96SE 定义的区间包含零，则该系数不显着。 但是上面得到的回归系数离零有很多标准差（大约30SE）。 因此，该系数至少在 0.01 水平上具有统计显着性（实际上，当我们实际从 t 分布中查找时，它在功能上等于 0）。 这意味着回归系数为 4.17，包含 0 的可能性几乎为零。

R？ 很高，这很有趣，但这不是我们的重点。 这里要记住的一件事是，股票/收益率中心与市值中心之间存在高度相关性。 精明的人会注意到，由于回归数据量较小，因此 F 统计量已针对适当的自由度 (df) 进行了调整。 F 统计量告诉我们回归系数和常数都为零的概率也接近于零。

我将在未来继续探索高斯-马尔可夫假设比特币1分28秒预测，但考虑到目前的数据点数量，我认为这种回归练习相当乏味。

现在，让我们计算预测区间。 首先，让我们定义预测区间并将它们与置信区间进行对比。

置信区间是包含样本总体或过程的未知特征的区间。 它们通常与均值或方差等参数有关。

置信区间捕获围绕平均预测值的不确定性。

预测区间是一个区间，它包含一个或多个从先前采样的总体或过程中推断出的未来观察结果，或这些未来观察结果的某些函数。

预测区间捕获围绕单个值的不确定性。

因此，对于某个值，预测区间总是比置信区间宽。

将置信区间视为对回归线的置信度，而预测区间就像对单个预测的置信度。

但在做出预测之前，我们需要预估比特币下一阶段的数据中心点。 感谢中本聪，这很容易。 我们知道，每出块 210,000 个区块，奖励减半，初始区块奖励为 50 个比特币。 因此，可以得到如下公式：

等式 1：第三次减半时流通的比特币

因此，第三次减半时流通的比特币总量为1837.5万枚。 到第四次减半时，这个数字将增加到 19,687,500 个比特币。 因此，在 210,000 个区块中，比特币产量为 19687500 – 18375000 = 1312500 个比特币。 要将库存/生产比率年化为正确的格式，需要将其乘以每个区块的天数。 即产量=1312500*（6*24*365.25/210000）=328725比特币/年，即第三次减半到第四次减半期间，平均产量为328725比特币/年。 因此，第四次减半时的库存/生产比率为 19687500/328725 = 59.9。 取自然对数，我们得到 4.09。

表3：不同聚类阶段市值预测区间

比特币第 5 阶段市值的预测范围估计在 1.6 万亿美元至 29.1 万亿美元之间。 根据本期末的市场估值，这意味着单个比特币的价格在 83,000 美元到 148 万美元之间，中心点约为 350,000 美元（注：PlanB 估计比特币价格的中心点将达到28.8 万美元）。

原文：S2FX — Phase 5 Estimations