比特币自诞生至今是最具创新性的数字加密货币之一。近年来,对比特币汇率预测的研究吸引了研究人员和投资者的兴趣,许多研究使用传统的统计和计量经济学方法及机器学习方法来开发比特币的预测模型。本文使用2015年至2020年之间的比特币价格周数据,运用Python等软件对比特币价格影响因素及价格本身进行详尽地分析,并建立了三种能够有效预测比特币价格的模型,具体研究成果如下:（1）首先,本文对影响比特币价格的因素进行分析。基于经济学中的价格均衡理论,将影响比特币价格的因素确定为比特币自身因素和宏观影响因素。比特币自身因素包括影响比特币本身的供需市场因素和决定挖矿机运行速度的技术因素。从供需角度来看,由于比特币总量固定,所以对其价格的影响主要来自需求方面;宏观影响因素包括金融市场因素和投资吸引力因素。本文从中选取了具有代表性的8个指标作为影响比特币价格水平的因素。（2）为了进一步探究比特币价格机制的形成,对比特币价格及其影响因素数据进行了实证分析。通过自回归分布滞后模型（ARDL模型）、长短时记忆神经网络（LSTM模型）及本文提出的稀疏主成分分析、卷积神经网络与长短时记忆神经网络相结合的SPCA-CNN-LSTM模型对比特币价格进行预测。对ARDL模型来说,利用影响因素指标对比特币价格水平进行短期和长期分析。实证结果表明,交易量和哈希率对比特币的价格水平影响不大,但比特币本身的一阶滞后项、比特币市值及标准普尔500指数会对比特币价格产生积极的正向关系,石油价格、黄金价格两个影响因素是不显著的。投资吸引力推特趋势不管是在滞后一期还是滞后二期,都对比特币价格具有积极的作用,其增加会导致比特币的价格水平上涨;对于LSTM模型来说,直接用其对比特币价格进行预测,而不考虑其余变量对比特币价格的影响;对SPCA-CNN-LSTM模型来说,通过SPCA对原始特征降维处理后,将数据输入到CNN-LSTM网络中对比特币价格水平进行预测。（3）最后,对比训练出的三个模型的预测效果,实验结果说明SPCA-CNN-LSTM模型预测效果优于其他两个模型,对比特币价格能达到较高的拟合程度,而LSTM模型预测效果最差。