本文提出了一种融合STFT频域分析和ANFIS模糊推理的以太坊价格预测新方法。通过随机森林和ReliefF算法筛选出交易量、A/D振荡器等5个关键特征，采用STFT预处理提取隐藏周期模式，构建ANFIS模型实现76.56%的预测准确率。实验表明，该方法在高波动的加密货币市场表现优于传统机器学习模型，时频特征融合有效提升了预测性能。研究为加密资产分析提供了新思路，但计算效率有待优化以支持实时应用。

随着加密货币市场的快速发展，高频交易成为主流，但面临预测不稳定和交易次数过多的问题。本文提出了一种基于局部极小值序列的三分类趋势标注方法，有效减少随机波动带来的无效交易。同时，我们开发了一种新型ACLMC模型，结合CNN、LSTM和注意力机制，支持多币种同步预测，优化了模型性能并降低了投资风险。实验结果表明，与现有方法相比，我们的方法在财务指标上表现更优，且交易次数显著减少，为加密货币市场的高频交