数字货币时间序列论文：选题、模型和写作思路一次理清

数字货币时间序列论文：选题、模型和写作思路一次理清

写数字货币时间序列论文，最核心的问题不是"能不能做"，而是"用什么方法、解决什么具体问题"。我带学生做这个方向三四年了，聊聊实际体会。

选题上，数字货币波动性远大于传统资产数字货币时间序列论文：选题、模型和写作思路一次理清，BTC、ETH在2021年3月和2022年6月的波动率峰值是黄金的三到四倍。方向可以围绕GARCH族模型在极端波动下的参数估计展开数字货币时间序列论文，或者关注高频数据下分形维度的变化。别一上来就套LSTM，没有金融逻辑支撑的深度学习经不起追问。

数据与预处理这块，很多学生用CoinGecko拉个日K线就开跑，论文写出来经不起答辩。至少要取到分钟级甚至tick级数据，做收益率的ADF和KPSS检验，把结构性断点找出来。2020年3月12日的流动性危机、2021年5月政策调整，这些断点必须单独建模，否则残差里藏着假相关。

模型选择建议"经典+前沿"两条线并行。经典线跑GARCH、E-GARCH、EGARCH，厚尾分布换Student-t和GED拟合；前沿线试分位数回归、隐马尔可夫模型。论文里模型对比表必须包含AIC、BIC和预测区间覆盖率，光报RMSE远远不够。

写作和答辩环节，导师最在意的是"为什么选这个模型"的逻辑链。把假设、数据特征、模型适配性串起来，别堆公式。讨论部分要诚实写局限，比如样本期太短、未考虑跨市场溢出。答辩时老师问"你的结论在2025年数据上还成立吗"，你得提前做滚动窗口检验，把结果附在附录里。

选题定下来后，先花一周把数据管道跑通再动手写。有具体模型选型上的困惑，评论区可以直接聊。