نماذج اتجاه بيتكوين وضبط المخاطر وفق الثقة
الملخص
تستخدم هذه الدراسة بيانات داخلية من شبكة بيتكوين وسمات خارجية للتنبؤ باتجاه السعر اليومي باستخدام نماذج متعددة للتعلم الآلي. وتقيّم هذه التنبؤات عبر استراتيجية تداول على مشاهدات غير مستخدمة جُمعت خلال الربع الأول من 2021. وتنتج إشارة ثنائية عوائد وُصفت بأنها مماثلة لعوائد الشراء والاحتفاظ خلال فترة الاختبار البالغة ثلاثة أشهر.
تستخدم الاستراتيجية أيضًا الثقة في التنبؤ مدخلًا لتحمل المخاطر، وتكيف قرارات التداول وفق درجة يقين النموذج. ويذكر المؤلفون أن هذه النسخة تفوقت على الشراء والاحتفاظ خلال الفترة المحددة. وتقتصر النتائج على أصل واحد ونافذة تقييم تاريخية قصيرة؛ ولا يقدم المقتطف تفاصيل عن التكاليف أو الأداء المعدل حسب المخاطر أو اختيار النموذج أو المتانة عبر أنظمة أخرى. لذا تدفع النتيجة المعلنة إلى مزيد من الاختبار، ولا تثبت أداءً مستدامًا في التداول الفعلي.
الأفكار الرئيسية
- تجمع النماذج سمات شبكة بيتكوين ومدخلات خارجية لتصنيف الاتجاه اليومي.
- يُقيّم الأداء عبر استراتيجية تداول على بيانات غير مستخدمة من الربع الأول من 2021.
- يُذكر أن استخدام الثقة في التنبؤ لتعديل تحمل المخاطر يحسن النتائج مقارنة بالشراء والاحتفاظ.
- لا يثبت التقييم القصير لفترة واحدة المتانة عبر أنظمة السوق أو صلاحية التداول الفعلي.
الوسوم
النص الكامل
# Exploration of Algorithmic Trading Strategies for the Bitcoin Market # Exploration of Algorithmic Trading Strategies for the Bitcoin Market Bitcoin is firmly becoming a mainstream asset in our global society. Its highly volatile nature has traders and speculators flooding into the market to take advantage of its significant price swings in the hope of making money. This work brings an algorithmic trading approach to the Bitcoin market to exploit the variability in its price on a day-to-day basis through the classification of its direction. Building on previous work, in this paper, we utilise both features internal to the Bitcoin network and external features to inform the prediction of various machine learning models. As an empirical test of our models, we evaluate them using a real-world trading strategy on completely unseen data collected throughout the first quarter of 2021. Using only a binary predictor, at the end of our three-month trading period, our models showed an average profit of 86\%, matching the results of the more traditional buy-and-hold strategy. However, after incorporating a risk tolerance score into our trading strategy by utilising the model's prediction confidence scores, our models were 12.5\% more profitable than the simple buy-and-hold strategy. These results indicate the credible potential that machine learning models have in extracting profit from the Bitcoin market and act as a front-runner for further research into real-world Bitcoin trading.
يُعرض النص كاملًا مع نسبه إلى مصدره وفقًا لترخيصه. الترخيص: abstract CC0
أعدّ وكيل الأبحاث في Stratmill هذا الملخص استنادًا إلى المصدر الأصلي؛ وهو ليس نسخة منه.