基于对数差分ARIMA模型提取BTC原始价格预测值（R语言）

核心逆变换逻辑 #

你做的变换是先取BTC价格的对数，再做一阶差分得到增长率序列。要还原原始价格，需要两步逆操作：

1. 从预测的差分（增长率）序列还原出对数价格：用样本最后一天的对数价格，累加未来每一步的差分预测值
2. 将对数价格指数化，得到原始BTC价格

具体实现步骤（R代码） #

1. 提取样本最后一天的对数价格

首先获取你现有数据中最后一天的对数价格，作为还原的起点：

last_log_price <- tail(df_byday$log, 1)

2. 还原单个模型的预测结果（以forecast_ar8为例）

# 提取未来5天的差分预测值
pred_dy <- forecast_ar8$mean

# 累加差分，得到相对于最后一天的对数价格增量
cumulative_dy <- cumsum(pred_dy)

# 计算预测的对数价格
pred_log_price <- last_log_price + cumulative_dy

# 指数化得到原始BTC价格
pred_btc_price <- exp(pred_log_price)

# 整理成数据框方便查看
ar8_pred_result <- data.frame(
  预测天数 = 1:5,
  预测差分 = pred_dy,
  预测对数价格 = pred_log_price,
  预测BTC原始价格 = pred_btc_price
)

print(ar8_pred_result)

3. 批量处理其他模型

对forecast_ar1和forecast_ma1重复上述逻辑即可：

# 处理forecast_ar1
cum_dy_ar1 <- cumsum(forecast_ar1$mean)
pred_btc_ar1 <- exp(last_log_price + cum_dy_ar1)

# 处理forecast_ma1
cum_dy_ma1 <- cumsum(forecast_ma1$mean)
pred_btc_ma1 <- exp(last_log_price + cum_dy_ma1)

4. 还原预测置信区间（可选）

如果需要还原预测的上下置信区间，对区间边界执行同样的累加和指数化操作：

# 以forecast_ar8的95%置信区间为例
lower_log <- last_log_price + cumsum(forecast_ar8$lower[,2])
upper_log <- last_log_price + cumsum(forecast_ar8$upper[,2])

lower_btc <- exp(lower_log)
upper_btc <- exp(upper_log)

内容的提问来源于stack exchange，提问作者Constantin Marguier