文章核心观点 - 公司开发基于VMD和SVR的两阶段混合机器学习模型用于比特币价格预测，结合技术指标统计特性和VMD频域信息，有显著优势，未来将深化市场数据并整合新兴技术提升模型性能 [1][5][6] 模型开发情况 - 公司开发基于VMD和SVR的两阶段混合机器学习模型，采用Boruta算法进行技术指标和特征选择，以高效捕捉市场动态信息 [1] 模型原理 - VMD能处理比特币价格序列中的噪声和随机波动，将实值输入信号分解为VMF，改善价格数据表示；SVR可捕捉技术模型特征空间中的非线性关系，提供强大预测能力 [2] - 对日内比特币价格数据进行预处理和归一化，将异构时间序列数据转换为同质数据，消除规模差异，便于支持向量学习 [2] 模型构建步骤 第一阶段 - 用Boruta算法从各种技术指标中选择最相关子集，减少特征空间和模型复杂度，确保所选指标对比特币价格预测信息最大化 [3] - VMD将比特币价格序列分解为一组VMF，每个VMF有独特属性和频率范围，可准确捕捉价格数据中的噪声信号和随机波动，得到rVMF为第二阶段建模提供更清晰抽象输入 [3] 第二阶段 - 聚合技术指标选择的特征和VMD生成的rVMF这两个特征集的信息，为SVR提供输入，充分利用技术指标统计趋势和VMD频率信息，提供更全面多维输入 [4] - SVR作为模型核心，接受两个特征集的混合输入，通过学习过去市场行为和价格运动统计模式构建强大预测模型，综合考虑技术指标和VMD频域信息，更全面理解比特币价格波动 [4] 模型优势及意义 - 两阶段混合建模结合技术指标统计特性和VMD频域信息，构建更全面强大的预测模型，在处理市场波动、噪声和适应快速变化方面有显著优势，提高比特币价格预测准确性，提供更具可操作性的决策支持 [5] - 该模型是数字资产领域的技术创新，突破传统模型限制，为投资者和交易者提供新的、更可靠的比特币价格预测工具，是金融科技领域的重要贡献 [7] 公司未来规划 - 随着加密货币市场发展，公司将深化市场数据，整合更多新兴技术，引入更先进机器学习算法、增强学习方法和深度学习技术，提升两阶段混合机器学习模型性能，为用户提供更准确可靠的比特币价格预测 [6] 公司简介 - 公司是全息云综合技术解决方案提供商，专注于全息AR汽车HUD软件、3D全息脉冲LiDAR等专业领域，提供全息AR汽车应用、3D全息脉冲LiDAR技术等服务和全息AR技术 [8]