مقارنة التعلم الآلي والإشارات الفنية لتداول بيتكوين

الملخص

تقارن الدراسة نموذجي تعلم آلي، هما LightGBM وLSTM، باستراتيجيتين قائمتين على المؤشرات لبيتكوين: تقاطع المتوسط المتحرك الأسي ومزيج من MACD وADX. وتعرض المقارنة في سياق حصول أول صناديق بيتكوين المتداولة الفورية على الموافقة التنظيمية الأمريكية في يناير 2024. والهدف المعلن هو تقييم أداء هذه الإشارات في تداول بيتكوين.

يفيد المستند بأن استراتيجية LSTM حققت عائدا تراكميا يقارب 65.23% في أقل من عام، وتفوقت على النماذج الأخرى والاستراتيجيات الفنية والشراء والاحتفاظ خلال الفترة المدروسة. لكن هذه النتيجة الواحدة لا تثبت قابلية تعميم النموذج؛ فالمستند لا يصف مجموعة البيانات أو تصميم التحقق أو تكاليف التداول أو العوائد المعدلة حسب المخاطر أو وسائل الوقاية من فرط التوافق. لذلك تقدم المقارنة ادعاء أداء لفترة دراسة محدودة، لا تفاصيل كافية للحكم على قابلية تكرار النتيجة أو ملاءمتها للنشر.

الأفكار الرئيسية

• تشمل المقارنة نموذجي LightGBM وLSTM، إلى جانب استراتيجيات تقاطع EMA وMACD مع ADX.
• تُقيّم الاستراتيجيات لبيتكوين، ودافع الدراسة موافقة الولايات المتحدة على صناديق بيتكوين الفورية المتداولة.
• يفيد المستند بأن LSTM حقق أعلى عائد تراكمي بين الأساليب المذكورة خلال فترة الدراسة.
• لا توضح العوائد المذكورة وحدها كيف تتغير النتيجة بعد التكاليف أو باستخدام أساليب تحقق مختلفة.
• لا يقدم المستند تفاصيل منهجية كافية لتقييم قابلية التكرار أو مخاطر فرط التوافق.

الوسوم

# Technical Analysis Meets Machine Learning: Bitcoin Evidence


# Technical Analysis Meets Machine Learning: Bitcoin Evidence









In this note, we compare Bitcoin trading performance using two machine learning models-Light Gradient Boosting Machine (LightGBM) and Long Short-Term Memory (LSTM)-and two technical analysis-based strategies: Exponential Moving Average (EMA) crossover and a combination of Moving Average Convergence/Divergence with the Average Directional Index (MACD+ADX). The objective is to evaluate how trading signals can be used to maximize profits in the Bitcoin market. This comparison was motivated by the U.S. Securities and Exchange Commission's (SEC) approval of the first spot Bitcoin exchange-traded funds (ETFs) on 2024-01-10. Our results show that the LSTM model achieved a cumulative return of approximately 65.23% in under a year, significantly outperforming LightGBM, the EMA and MACD+ADX strategies, as well as the baseline buy-and-hold. This study highlights the potential for deeper integration of machine learning and technical analysis in the rapidly evolving cryptocurrency landscape.

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.