تداول عصبي متعدد الأطر الزمنية بإشارات العملات المشفرة عالية التردد

الملخص

تصف الوثيقة نظام تداول للعملات المشفرة يجمع معلومات الاتجاه عبر أطر زمنية متعددة مع شبكات عصبية تتنبأ باتجاه السعر على المدى القريب. ويجمع أسعار السوق ومقاييس سلسلة الكتل ونشاط دفتر الأوامر في مجموعة مشتركة من إشارات ضغط الشراء والبيع، بهدف دعم قرارات التداول السريعة. ويستخدم النهج المقترح النمذجة الإحصائية لربط الإشارات عبر الآفاق الزمنية وتوجيه التنفيذ عالي التردد.

تدّعي الوثيقة أن النظام يحقق عوائد موجبة معدلة حسب المخاطر، ويمكنه اتخاذ قرارات في أقل من ثانية بدرجة ثقة إحصائية. لكن الوصف المقدم لا يحدد فترة البيانات أو قائمة الأصول أو المعيار أو مقاييس الأداء التفصيلية أو إجراء التحقق. لذلك يعرض نهجًا نمذجيًا ومزاياه المقصودة، لكنه لا يقدم هنا أدلة كافية لتقييم متانة النتائج أو معرفة ما إذا كانت تراعي تكاليف التداول وظروف السوق المتغيرة.

الأفكار الرئيسية

• يجمع النظام تحليل الاتجاه عبر أطر زمنية متعددة مع شبكات عصبية للتنبؤ بالاتجاه قصير الأجل.
• يجمع النظام بيانات السوق ومقاييس سلسلة الكتل وديناميكيات دفتر الأوامر في إشارات ضغط تداول.
• صُمم النهج لدعم قرارات في أقل من ثانية في أسواق العملات المشفرة.
• يدّعي الوصف تحقيق عوائد موجبة معدلة حسب المخاطر، لكنه لا يقدم تفاصيل تتيح تقييم هذا الادعاء بصورة مستقلة.

الوسوم

# 2508.02356


# Neural Network-Based Algorithmic Trading Systems: Multi-Timeframe Analysis and High-Frequency Execution in Cryptocurrency Markets









This paper explores neural network-based approaches for algorithmic trading in cryptocurrency markets. Our approach combines multi-timeframe trend analysis with high-frequency direction prediction networks, achieving positive risk-adjusted returns through statistical modeling and systematic market exploitation. The system integrates diverse data sources including market data, on-chain metrics, and orderbook dynamics, translating these into unified buy/sell pressure signals. We demonstrate how machine learning models can effectively capture cross-timeframe relationships, enabling sub-second trading decisions with statistical confidence.

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.