什么是比特币作为数字加密？是更接近商品属性还是传统货币？数据人 Mark Schott 通过大数据分析了比特币价格的波动性。他发现比特币波动性高，在宏观货币经济中发挥着独特的作用，其日收入表现更像是基本商品。
商品比特币
这个大数据应用程序是对比特币价格波动的数据分析。与传统货币相比，加密货币在宏观货币经济中起着独特的作用。
我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(信号)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，有证据表明比特币的行为更像是一种商品而不是一种货币。
在我的研究中，我使用 Scrapy 从比特币数据网站上获取数据，分析该项目。具体来说，我爬过 61 与比特币相关的新闻文章，每篇文章报道前后 10 天的价格变化，以及比特币完整的日常交易价格历史。这些事件包括比特币交易所 Mt.Gox 被黑，中国央行限制比特币等。
(图片描述:左上角是5月1日比特币的历史价格，红点对应网站上爬行的61篇新闻文章。另外三张图片是这张图片细节的放大版，是期间的波动性交易。高短期数据。
我决定用 R 的 Ryuzhet 包对这些新闻故事进行快速的情感分析（
我首先从文本中提取了相应的情感因素，发现积极和更信任的态度显著增加。在这个小样本分析中，情感分析 NLP(自然语义处理)分析方法似乎更有效。
(图片描述:61篇新闻报道中不同情绪因素的变化)
上图是我在61篇新闻报道中爬行的各种情绪因素的变化。横轴值随时间增加。稳定的增长趋势表明，积极和信任的情绪增加了。
(图片描述:信任信任情绪的线性回归分析)
上图是第二组图中信任对应的图表的线性回归分析。拟合曲线的相关系数分别为p值0.018、R^2值0.091、斜率0.0122。
为了进一步研究比特币的性能，我决定制作其日收入的直方图。图中有一个清晰的分布模式，但我不确定是哪一个。后来，我发现它相对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与比特币相关的极端事件的尾部行为。与传统货币相比，柯西分布没有明确的平均值或方差比特币，这也符合比特币的高波动性。
我使用统计库 scipy.stats 拟合分布，所以我没有测试特定拟合参数的质量，但我计划将来使用 scipy.odr 模型。
以上是柯西分布的方程，似乎与比特币的日回报相一致。这种分布没有明确的平均值或方差，这也表明了比特币日回报的高波动性。
上图是比特币日收入的标准化直方图( )。绿色曲线分布在柯西，与直方图拟合度高，红色曲线正态分布，拟合度不高。
以上是商品铜和棉花的分布图。虽然远不完美，但两者的日回报似乎更符合柯西的分布，而不是正态分布。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。
