Maschinelles Lernen zur Prognose von Kryptoindex- und Einzelkursen
Zusammenfassung
Die Arbeit setzt Methoden des maschinellen Lernens ein, um Schlusskurse eines Kryptowährungsindex und von neun zugehörigen Kryptowährungen vorherzusagen. Mehrere Algorithmen und Modelle werden verglichen, um den leistungsstärksten Ansatz zu bestimmen; außerdem wird die Arbeit mit verwandten Studien verglichen. Als Motivation werden Preisschwankungen in einem volatilen Markt und mögliche Anwendungen für den Handel und die Verwaltung von Kryptowährungsportfolios genannt.
Die Autoren berichten, dass ihr bester Ansatz Ergebnisse liefert, die sie als besser als oder konkurrenzfähig mit früheren Arbeiten beschreiben. Die vorliegende Beschreibung nennt jedoch weder Algorithmen und Datenquellen noch Prognosehorizont, Bewertungsmaße oder konkrete Ergebnisse. Ebenso wird nicht erläutert, ob die Prognosen nach Kosten als Handelssignale bewertet werden oder wie sie sich unter wechselnden Marktbedingungen bewähren. Der Text benennt somit die Prognoseaufgabe und eine allgemeine Vergleichsaussage, enthält aber zu wenige Details, um die Zuverlässigkeit der Vorhersagen oder den praktischen Handelswert zu beurteilen.
Kernaussagen
- Die Studie prognostiziert Schlusskurse für einen Kryptowährungsindex und neun darin enthaltene Vermögenswerte.
- Sie vergleicht mehrere Machine-Learning-Modelle, um einen bevorzugten Prognoseansatz auszuwählen.
- Die Autoren vergleichen ihre berichteten Ergebnisse mit verwandten Prognosestudien.
- In der vorliegenden Beschreibung fehlen Modelldetails, Daten, Bewertungsmaße und Handelstests.
Schlagwörter
Volltext
# 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.
Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0
Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.