التعلم الآلي لتوقع أسعار مؤشر العملات الرقمية ومكوناته
الملخص
تطبق الورقة أساليب التعلم الآلي للتنبؤ بأسعار الإغلاق لمؤشر عملات رقمية وتسع عملات رقمية مكونة له. وتذكر مقارنة عدة خوارزميات ونماذج لتحديد النهج الأفضل أداءً، كما تقارن العمل بدراسات ذات صلة. ويتمثل الدافع المعلن في دراسة تقلبات الأسعار في سوق متقلبة واستكشاف استخدامات محتملة للتداول وإدارة محافظ العملات الرقمية.
ويفيد المؤلفون بأن أفضل نهج لديهم يحقق نتائج يصفونها بأنها أفضل من الأعمال السابقة أو منافسة لها. لكن الوصف المقدم لا يسمي الخوارزميات أو مصادر البيانات أو أفق التنبؤ أو مقاييس التقييم أو النتائج المحددة. كما لا يوضح ما إذا كانت التنبؤات تُقيّم بوصفها إشارات تداول بعد احتساب التكاليف أو كيف يكون أداؤها في ظل تغير ظروف السوق. لذا يحدد النص مهمة التنبؤ وادعاءً عاماً بالمقارنة، لكنه لا يقدم تفاصيل كافية للحكم على موثوقية التنبؤ أو قيمته العملية للتداول.
الأفكار الرئيسية
- تتنبأ الدراسة بأسعار الإغلاق لمؤشر عملات رقمية وتسعة أصول مكونة له.
- تقارن الدراسة عدة نماذج للتعلم الآلي لاختيار نهج مفضل للتنبؤ.
- يقارن المؤلفون نتائجهم المذكورة بدراسات تنبؤ ذات صلة.
- لا يتضمن الوصف المقدم تفاصيل النماذج أو البيانات أو مقاييس التقييم أو اختبارات التداول.
الوسوم
النص الكامل
# Predicting and Forecasting the Price of Constituents and Index of Cryptocurrency Using Machine Learning # Predicting and Forecasting the Price of Constituents and Index of Cryptocurrency Using Machine Learning At present, cryptocurrencies have become a global phenomenon in financial sectors as it is one of the most traded financial instruments worldwide. Cryptocurrency is not only one of the most complicated and abstruse fields among financial instruments, but it is also deemed as a perplexing problem in finance due to its high volatility. This paper makes an attempt to apply machine learning techniques on the index and constituents of cryptocurrency with a goal to predict and forecast prices thereof. In particular, the purpose of this paper is to predict and forecast the close (closing) price of the cryptocurrency index 30 and nine constituents of cryptocurrencies using machine learning algorithms and models so that, it becomes easier for people to trade these currencies. We have used several machine learning techniques and algorithms and compared the models with each other to get the best output. We believe that our work will help reduce the challenges and difficulties faced by people, who invest in cryptocurrencies. Moreover, the obtained results can play a major role in cryptocurrency portfolio management and in observing the fluctuations in the prices of constituents of cryptocurrency market. We have also compared our approach with similar state of the art works from the literature, where machine learning approaches are considered for predicting and forecasting the prices of these currencies. In the sequel, we have found that our best approach presents better and competitive results than the best works from the literature thereby advancing the state of the art. Using such prediction and forecasting methods, people can easily understand the trend and it would be even easier for them to trade in a difficult and challenging financial instrument like cryptocurrency.
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.