自从2009年10月起,数字代币（Cryptocurrency）市场从一文不值发展为如今的日交易额接近1000亿美元、总市值突破2万亿美元的庞大规模,引起了全球各国政府和普通民众的广泛关注。世界主要经济体对其持有不同的监管态度,其中部分国家政府采取宽松的监管政策,选择拥抱数字代币市场,认可其合法性。部分国家政府对其采取严格的监管措施,例如严格的审核制度、牌照申请制度等。还有少数国家政府将其定义为非法金融产品,禁止境内民众参与与数字代币有关的一切活动。同时学者们对数字代币市场有效性研究的结论也有分歧。部分学者经过实证研究后得出数字代币市场是无效的结论,而另一部分学者却得出了完全不同的结论。因此,基于以上背景,本文通过将数字代币市场的历史数据作为样本数据,利用调整后的市场无效幅度AMIM统计量（Adjusted Market Inefficiency Magnitude）对数字代币市场有效性进行定量分析,再利用机器学习模型对数字代币的价格变动方向进行预测,试图通过检验机器学习模型是否对价格有较高的预测能力以及AMIM统计量的综合分析,来对数字代币市场的有效性进行判断。首先根据市场中每种数字代币的市值、交易量、产生和流通时间,从数字代币市场中选取比特币、以太坊及瑞波币（平均占市场总市值的81.77%）三种数字代币代表数字代币市场。数据收集区间为比特币2010年7月17日至2021年10月1日的每日交易数据,以太坊2015年8月7日至2021年10月1日每日交易数据,瑞波币2013年12月27日至2021年10月1日每日交易数据。根据AMIM统计量结果得出:与比特币、瑞波币相比,以太坊的AMIM统计量最高,市场有效性程度最低,而瑞波币和比特币的市场有效性程度在剧烈波动,AMIM统计量的平均值均大于0,表示比特币、瑞波币市场不是有效的。同时也发现世界上关于数字代币市场的大事件对整个数字代币市场的有效性程度都有一定的影响。其次利用三种机器学习模型:支持向量机SVM（Support Vector Machine）、Light GBM（Light Gradient Boosting Machine）以及LSTM（Long Short Term Memory）模型分别对三种数字代币未来3日后和7日后的价格变动方向进行了预测。预测结果发现:三种机器学习中Light GBM模型的表现最好,评估指标均在70%左右,而LSTM模型的预测表现略差,对三种数字代币的预测准确率在60%左右。此外也发现,三种机器学习模型7日的预测准确率一般比3日的预测准确率高。为了增强预测结果的可信度,本文对三种机器学习模型分别进行了模型的训练区间长度改变以及模型的预测区间改变的鲁棒性检验,实证结果为:与其他两个机器学习模型相比,支持向量机模型的预测准确率随着训练区间长度的增加,呈现递减的趋势,而Light GBM模型和LSTM模型没有。三种机器学习预测模型预测准确率没有随着训练区间长度的改变而大幅波动,也没有随着预测区间的改变而大幅波动,证明了机器学习模型的预测能力具有较强的鲁棒性。最后,综合来看可以通过将比特币、以太坊、瑞波币的历史数据输入机器学习算法构建预测模型,构建好的机器学习价格趋势预测模型对三种数字代币的价格有一定的预测能力,并且模型预测能力的鲁棒性比较强,证明了数字代币市场不是一个有效市场。