Selon le bot d'actualités Gate, NewsBTC rapporte que Sina, co-fondateur du fonds spéculatif 21st Capital, a publiquement réfuté le modèle de prix Bitcoin populaire promu par Raoul Pal, PDG de Real Vision, le qualifiant d'exemple typique d'analphabétisme en données et de surajustement.
Ce modèle établit une forte corrélation entre le Bitcoin et le M2 mondial (un indicateur mesurant l'offre monétaire mondiale) en avançant les données M2 d'un certain nombre de semaines (généralement de 10 à 12 semaines), afin de "prévoir" la tendance future des prix du Bitcoin. Raoul Pal a utilisé ce graphique pour démontrer que la situation de liquidité macroéconomique conduit les cycles des cryptomonnaies, et que le comportement actuel du marché peut être prédit par l'expansion monétaire.
Mais Sina a déclaré lors de ses cours d'analyse de données au niveau undergraduate et graduate que ce modèle ne tient pas la route. "C'est un échec sévère de compréhension du surajustement," a-t-il dit dans une vidéo publiée sur la plateforme X le 24 juin. "Ce que je vois ne pourrait même pas passer le premier mois d'un cours d'analyse de données de première année."
Sina a souligné que la corrélation apparente entre le Bitcoin et l'M2 mondial n'est due qu'au fait que les données ont été "distordues" pour s'adapter aux modèles historiques. "Si je peux manipuler les données à ma guise, je suis sûr de pouvoir trouver de bonnes correspondances entre différents blocs de données," a-t-il averti, soulignant que c'est cette flexibilité qui permet aux analystes de créer une illusion de prévisions précises.
Il a expliqué que le principal problème réside dans les défauts des données M2 mondiales elles-mêmes. Ces données sont obtenues en multipliant les données M2 des banques centrales de chaque pays par le taux de change – mélangeant des économies comme les États-Unis, qui rapportent rapidement, avec des pays dont les données sont retardées de plusieurs semaines, voire de plusieurs mois. Cela crée une impression trompeuse de la volatilité quotidienne de la liquidité mondiale. "Cela semble changer tous les jours, mais en réalité, cela mélange des mises à jour fréquentes et peu fréquentes," a déclaré Sina. "Ce n'est pas un signal réel."
Plus important encore, Sinha estime qu'une fois que l'on réduit la perspective d'un graphique spécifique, le modèle échoue. Bien que Raoul Pal et d'autres aient montré des exemples de l'alignement étroit des sommets et des creux entre Bitcoin et le M2 mondial, Sinha a prouvé comment de petits ajustements de l'avance ou de l'échelle peuvent produire des résultats radicalement différents. "Essayons avec une avance de 80 jours. Ça ne semble pas très bon. Que dire de 108 jours ? Ah, maintenant les sommets sont alignés - alors agrandissons à nouveau, faisons semblant que c'est efficace," a-t-il ironisé. "Ce n'est pas de la modélisation. C'est du jeu."
Il a souligné que chaque ajustement du modèle - passant d'un horizon de prévision de 12 semaines à 10 semaines, puis à 108 jours - a révélé son manque de fondement systémique. "Sans modèle approprié, il est impossible de prédire l'avenir," a déclaré Sina. "C'est un exemple typique de surajustement. Vous contraignez les données à correspondre à un comportement historique, mais vous perdez son applicabilité générale."
Pour expliquer ce concept, Sina le compare à l'ajustement d'une courbe par une onde sinusoïdale bruitée. Un modèle bien structuré peut capturer les motifs fondamentaux et ignorer le bruit. En revanche, un modèle surajusté essaiera de correspondre à chaque fluctuation subtile, ce qui entraîne de mauvaises performances prédictives lorsque de nouvelles données arrivent. "Le surajustement semble meilleur, mais il simule le bruit. Et le bruit ne se répète pas," a-t-il déclaré.
Sina a également remis en question si le Bitcoin allait vraiment diriger la liquidité, plutôt que de la suivre. "Si vous regardez le cycle précédent, le Bitcoin a d'abord atteint son sommet. La liquidité a atteint son sommet 145 jours plus tard," a-t-il déclaré. Cela renverse la relation de causalité implicite dans le modèle M2 mondial et remet en question toute la prémisse de son utilisation en tant qu'outil prospectif.
Sa conclusion est très claire : "Vous devez faire très attention au surajustement. Cela semble correspondre, mais c'est un ajustement forcé des données historiques. Vous ne savez absolument pas quelle est la précision prédictive de cette chose."
Le contenu est fourni à titre de référence uniquement, il ne s'agit pas d'une sollicitation ou d'une offre. Aucun conseil en investissement, fiscalité ou juridique n'est fourni. Consultez l'Avertissement pour plus de détails sur les risques.
Les analystes quantitatifs affirment que la M2 mondiale ne peut pas prédire le prix du Bitcoin.
Selon le bot d'actualités Gate, NewsBTC rapporte que Sina, co-fondateur du fonds spéculatif 21st Capital, a publiquement réfuté le modèle de prix Bitcoin populaire promu par Raoul Pal, PDG de Real Vision, le qualifiant d'exemple typique d'analphabétisme en données et de surajustement.
Ce modèle établit une forte corrélation entre le Bitcoin et le M2 mondial (un indicateur mesurant l'offre monétaire mondiale) en avançant les données M2 d'un certain nombre de semaines (généralement de 10 à 12 semaines), afin de "prévoir" la tendance future des prix du Bitcoin. Raoul Pal a utilisé ce graphique pour démontrer que la situation de liquidité macroéconomique conduit les cycles des cryptomonnaies, et que le comportement actuel du marché peut être prédit par l'expansion monétaire.
Mais Sina a déclaré lors de ses cours d'analyse de données au niveau undergraduate et graduate que ce modèle ne tient pas la route. "C'est un échec sévère de compréhension du surajustement," a-t-il dit dans une vidéo publiée sur la plateforme X le 24 juin. "Ce que je vois ne pourrait même pas passer le premier mois d'un cours d'analyse de données de première année."
Sina a souligné que la corrélation apparente entre le Bitcoin et l'M2 mondial n'est due qu'au fait que les données ont été "distordues" pour s'adapter aux modèles historiques. "Si je peux manipuler les données à ma guise, je suis sûr de pouvoir trouver de bonnes correspondances entre différents blocs de données," a-t-il averti, soulignant que c'est cette flexibilité qui permet aux analystes de créer une illusion de prévisions précises.
Il a expliqué que le principal problème réside dans les défauts des données M2 mondiales elles-mêmes. Ces données sont obtenues en multipliant les données M2 des banques centrales de chaque pays par le taux de change – mélangeant des économies comme les États-Unis, qui rapportent rapidement, avec des pays dont les données sont retardées de plusieurs semaines, voire de plusieurs mois. Cela crée une impression trompeuse de la volatilité quotidienne de la liquidité mondiale. "Cela semble changer tous les jours, mais en réalité, cela mélange des mises à jour fréquentes et peu fréquentes," a déclaré Sina. "Ce n'est pas un signal réel."
Plus important encore, Sinha estime qu'une fois que l'on réduit la perspective d'un graphique spécifique, le modèle échoue. Bien que Raoul Pal et d'autres aient montré des exemples de l'alignement étroit des sommets et des creux entre Bitcoin et le M2 mondial, Sinha a prouvé comment de petits ajustements de l'avance ou de l'échelle peuvent produire des résultats radicalement différents. "Essayons avec une avance de 80 jours. Ça ne semble pas très bon. Que dire de 108 jours ? Ah, maintenant les sommets sont alignés - alors agrandissons à nouveau, faisons semblant que c'est efficace," a-t-il ironisé. "Ce n'est pas de la modélisation. C'est du jeu."
Il a souligné que chaque ajustement du modèle - passant d'un horizon de prévision de 12 semaines à 10 semaines, puis à 108 jours - a révélé son manque de fondement systémique. "Sans modèle approprié, il est impossible de prédire l'avenir," a déclaré Sina. "C'est un exemple typique de surajustement. Vous contraignez les données à correspondre à un comportement historique, mais vous perdez son applicabilité générale."
Pour expliquer ce concept, Sina le compare à l'ajustement d'une courbe par une onde sinusoïdale bruitée. Un modèle bien structuré peut capturer les motifs fondamentaux et ignorer le bruit. En revanche, un modèle surajusté essaiera de correspondre à chaque fluctuation subtile, ce qui entraîne de mauvaises performances prédictives lorsque de nouvelles données arrivent. "Le surajustement semble meilleur, mais il simule le bruit. Et le bruit ne se répète pas," a-t-il déclaré.
Sina a également remis en question si le Bitcoin allait vraiment diriger la liquidité, plutôt que de la suivre. "Si vous regardez le cycle précédent, le Bitcoin a d'abord atteint son sommet. La liquidité a atteint son sommet 145 jours plus tard," a-t-il déclaré. Cela renverse la relation de causalité implicite dans le modèle M2 mondial et remet en question toute la prémisse de son utilisation en tant qu'outil prospectif.
Sa conclusion est très claire : "Vous devez faire très attention au surajustement. Cela semble correspondre, mais c'est un ajustement forcé des données historiques. Vous ne savez absolument pas quelle est la précision prédictive de cette chose."