ข่าว 
ข้อมูลเหรียญ 
แนะนำสื่อ 
บิตคอยน์(BTC) มีโมเดลทำนายราคาที่ขยายขอบเขตไปถึงความขาดแคลน ข้อมูลออนเชน กฎกำลัง (power law) และแมชชีนเลิร์นนิง แต่เมื่อนำไปตรวจสอบจริง โมเดลเหล่านี้กลับ 'เอาชนะเส้นฐานง่ายๆ' ที่ใช้ราคาปัจจุบันเป็นตัวทำนายไม่ได้ซ้ำแล้วซ้ำเล่า
คริปโตสเลท(CryptoSlate) สรุปการแข่งขันของโมเดลทำนายราคาบิตคอยน์ไว้ว่า ทุกโมเดลต้องถูกเทียบกับ 'เส้นฐานไร้เดียงสา' (naive baseline) ก่อนเป็นอันดับแรก แม้โมเดลที่ซับซ้อนจะอธิบายราคาที่ผ่านมาได้อย่างสมเหตุสมผล แต่นั่นไม่ได้แปลว่าจะทำนายทิศทางระยะสั้นหรือระยะกลางได้แม่นยำกว่าเส้นฐานเสมอไป
คาร์ลอส บาเกโร(Carlos Baquero) นักวิจัย ระบุในบทคัดย่อของงานวิจัยที่เผยแพร่บน arXiv เมื่อปี 2026 ว่า ในช่วง 1-6 เดือน แทบไม่มีงานวิจัยที่ผ่านการตรวจสอบโดยผู้เชี่ยวชาญ (peer review) ชิ้นใดเอาชนะเส้นฐานไร้เดียงสาได้อย่างมั่นคงตลอดหลายช่วงตลาดที่ต่างกัน งานวิจัยชิ้นนี้มองว่าปัญหาหลักของการศึกษาทำนายราคาบิตคอยน์ไม่ใช่การขาดโมเดล แต่เป็นวิธีการประเมินผลต่างหาก
เส้นฐานไร้เดียงสา หมายถึงค่าทำนายที่ง่ายที่สุด เช่น ใช้ราคาวันนี้เป็นราคาพรุ่งนี้ หรือกำหนดผลตอบแทนเป็นศูนย์ ในตลาดที่ราคาเคลื่อนไหวใกล้เคียงการเดินสุ่ม (random walk) การเอาชนะเส้นฐานนี้ไม่ใช่เรื่องง่าย โมเดลทำนายจึงต้องพิสูจน์ผลตอบแทนส่วนเกินเหนือเส้นฐานนี้ก่อน มากกว่าจะอวดสูตรคำนวณที่ซับซ้อน
ปัญหาคือตลาดบิตคอยน์ไม่ใช่ห้องทดลองที่ตัวแปรคงที่ เมื่อผู้เล่นในตลาด สภาพคล่อง กฎระเบียบ และโครงสร้างการซื้อขายเปลี่ยนแปลงตลอดเวลา กฎที่ปรับให้เข้ากับข้อมูลในอดีตอาจใช้ไม่ได้ผลในช่วงถัดไป บาเกโรยังชี้ 'ความไม่นิ่งของข้อมูล' (non-stationarity) ความเสี่ยงจาก overfitting ในการทดสอบย้อนหลัง และการรั่วไหลของข้อมูล (information leakage) เป็นปัญหาร่วม
แนวทางตรวจสอบที่บาเกโรเสนอมีสี่ข้อ ได้แก่ △การตรวจสอบแบบ walk-forward △การใช้ช่วงข้อมูลสำรองหลายชุด (multiple holdout) △การเปรียบเทียบกับเส้นฐานไร้เดียงสา และ △การรวมต้นทุนการซื้อขายเข้าไปในการคำนวณ แนวคิดคือการนำข้อมูลอดีตทั้งหมดมาฝึกโมเดลครั้งเดียวแล้ววัดผลในช่วงเวลาเดียวกันนั้น ไม่สะท้อนสภาพการลงทุนจริง
โมเดลเชิงอธิบายก็เผชิญข้อจำกัดเดียวกัน ออสติน เชลตัน(Austin Shelton) นักวิจัย สรุปในงานวิจัยที่ตีพิมพ์ในวารสาร Journal of Risk and Financial Management เมื่อปี 2024 ว่าโมเดล stock-to-flow และ Metcalfe's Law อธิบายผลตอบแทนของบิตคอยน์ได้ดีภายในกลุ่มข้อมูลตัวอย่าง (in-sample) แต่ความสามารถในการทำนายนอกกลุ่มตัวอย่าง (out-of-sample) กลับจำกัดมากหรือแทบไม่มีเลย
stock-to-flow เป็นโมเดลที่วัดความขาดแคลนโดยนำปริมาณอุปทานที่มีอยู่หารด้วยอุปทานใหม่ที่เพิ่มเข้ามา ส่วน Metcalfe's Law มองว่ามูลค่าเครือข่ายแปรผันตามจำนวนผู้ใช้ยกกำลังสอง ทั้งสองโมเดลใช้อธิบายโครงสร้างราคาระยะยาวได้ แต่ไม่ได้แปลว่าจะทำนายทิศทางราคาในช่วงถัดไปได้แม่นยำ
แมชชีนเลิร์นนิงก็ไม่ใช่ข้อยกเว้น วารสาร Frontiers in Blockchain เผยแพร่งานวิจัยเมื่อปี 2026 ที่ใช้ข้อมูลรายนาทีกว่า 3 ล้านรายการ ร่วมกับข้อมูลตลาดสปอตและฟิวเจอร์สแบบไม่มีวันหมดอายุ (perpetual futures) จากไบแนนซ์(Binance) เพื่อตรวจสอบสัญญาณระดับจุลภาค (microstructure) ผลวิจัยพบว่าเมื่อควบคุมการรั่วไหลของข้อมูลให้เข้มงวดขึ้น โมเดล LightGBM เกิด overfitting ชัดเจน และเมื่อใส่ค่าธรรมเนียมการซื้อขายและ slippage ตามสภาพจริงเข้าไป ไม่มีกลยุทธ์ใดเลยที่ยังทำกำไรได้
โมเดล OLS แบบพื้นฐานให้ผลดีขึ้นจากการเดินสุ่มเพียงเล็กน้อยเท่านั้น ผลลัพธ์นี้ขัดกับความเชื่อทั่วไปที่ว่าโมเดลยิ่งซับซ้อนยิ่งแม่นยำ
ข้อถกเถียงเรื่องกฎกำลัง (power law) ก็ยังไม่ได้ข้อสรุป จิโอวานนี ซานโตสตาซี(Giovanni Santostasi) และ สตีเฟน เพอร์เรนอด(Stephen Perrenod) นักวิจัย ตีพิมพ์งานวิจัยในวารสาร Nonlinear Science เมื่อปี 2026 โดยวิเคราะห์ข้อมูลราคารายวัน 5,696 จุด ตั้งแต่เดือนกรกฎาคม 2010 ถึงเดือนกุมภาพันธ์ 2026 และสรุปว่าราคาบิตคอยน์ในสกุลดอลลาร์เคลื่อนไหวตามกฎกำลังเมื่อเทียบกับเวลา
งานวิจัยนี้อ้างอิงค่าดัชนีราคาที่ 5.69 ค่าสัมประสิทธิ์การตัดสินใจ (R-squared) ที่ 0.961 และค่าความคลาดเคลื่อนที่นิ่งเป็นหลักฐาน อย่างไรก็ตาม นี่เป็นข้อสรุปที่อธิบายโครงสร้างราคาในระยะยาวเท่านั้น ต้องแยกออกจากหลักฐานที่บ่งชี้ว่าจะทำนายทิศทางราคาระยะสั้นได้โดยอัตโนมัติ
ในเชิงโครงสร้างตลาด โมเดลทำนายราคาบิตคอยน์ต้องแยกตรวจสอบความแม่นยำเชิงสถิติออกจากความสามารถในการทำกำไรจริง แม้ความถี่ในการทายทิศทางถูกต้องจะสูง แต่เมื่อรวมค่าธรรมเนียมการซื้อขาย slippage ค่าธรรมเนียม funding และความล่าช้าในการส่งคำสั่ง ผลกำไรที่แท้จริงอาจหายไปทั้งหมด นี่คือเหตุผลที่ผลงานในห้องทดลองกับผลตอบแทนที่ซื้อขายได้จริงมักไม่ตรงกัน
ความเข้าใจนี้สำคัญกับนักลงทุนไทยเช่นกัน เส้นแนวโน้มราคาระยะยาวหรือดัชนีออนเชนจากโมเดลต่างๆ อาจใช้เป็นข้อมูลอ้างอิงประกอบการอ่านตลาดได้ แต่หากจะนำมาใช้เป็นสัญญาณซื้อขายระยะสั้นโดยตรง ควรตรวจสอบก่อนว่าโมเดลนั้นผ่านการทดสอบนอกกลุ่มตัวอย่างและรวมต้นทุนการซื้อขายไว้แล้วหรือไม่
ข้อถกเถียงเรื่องโมเดลราคาบิตคอยน์กำลังเปลี่ยนจุดสนใจจาก 'สูตรคำนวณที่ซับซ้อน' ไปสู่ 'การทำนายที่ตรวจสอบได้จริง' ความสามารถในการอธิบาย ความสามารถในการทำนาย แนวโน้มระยะยาว ทิศทางระยะสั้น ความแม่นยำเชิงสถิติ และผลตอบแทนจากการซื้อขายจริง ล้วนเป็นคนละเรื่องกัน
ความคิดเห็น 0