Support-Vektor-Maschinen für kurzfristigen Kryptowährungshandel

Zusammenfassung

Die Studie verwendet historische Preise und technische Indikatoren, um kurzfristige Bewegungen bei Bitcoin, Ethereum und Litecoin zu klassifizieren. Sie vergleicht Klassifikationsmethoden danach, wie gut sie Aufwärts- und Abwärtsbewegungen über einen Ein-Stunden-Zeitraum erkennen, und berichtet Kennzahlen zum positiven und negativen Vorhersagewert. Anschließend ordnet sie Prognosen Handelsentscheidungen zu und bewertet diese mit einem Backtester, der Handelsbedingungen abbilden soll.

Unter den untersuchten Methoden liefern Support-Vektor-Maschinen die profitabelsten Strategien. Den berichteten Ergebnissen zufolge übertreffen die Strategien für alle drei Vermögenswerte den Markt im Durchschnitt während des angegebenen Auswertungszeitraums, der im Januar 2018 beginnt. Diese Befunde sind auf die ausgewählten Kryptowährungen, die historische Stichprobe, die Indikatoren, den Prognosehorizont und die Backtesting-Annahmen beschränkt. Die Beschreibung enthält keine Angaben etwa zu Transaktionskosten, Modellspezifikationen oder risikoadjustierter Performance. Die berichteten Ergebnisse allein belegen daher nicht, wie sich die Strategie in anderen Zeiträumen oder im Live-Handel entwickeln würde.

Kernaussagen

• Die Studie erstellt technische Indikatoren aus historischen Kryptowährungspreisen, um die Kursrichtung für eine Stunde vorherzusagen.
• Sie bewertet Klassifikatoren anhand von Kennzahlen zum positiven und negativen Vorhersagewert.
• Prognosen werden in Handelsentscheidungen umgewandelt und mit einem handelsorientierten Backtester bewertet.
• Support-Vektor-Maschinen erzielen unter den getesteten Methoden die höchste berichtete Strategieprofitabilität.
• Die berichtete Überrendite gegenüber dem Markt gilt speziell für Bitcoin, Ethereum, Litecoin und den untersuchten historischen Zeitraum.

Schlagwörter

# Cryptocurrency Price Prediction and Trading Strategies Using Support Vector Machines


# Cryptocurrency Price Prediction and Trading Strategies Using Support Vector Machines









Few assets in financial history have been as notoriously volatile as cryptocurrencies. While the long term outlook for this asset class remains unclear, we are successful in making short term price predictions for several major crypto assets. Using historical data from July 2015 to November 2019, we develop a large number of technical indicators to capture patterns in the cryptocurrency market. We then test various classification methods to forecast short-term future price movements based on these indicators. On both PPV and NPV metrics, our classifiers do well in identifying up and down market moves over the next 1 hour. Beyond evaluating classification accuracy, we also develop a strategy for translating 1-hour-ahead class predictions into trading decisions, along with a backtester that simulates trading in a realistic environment. We find that support vector machines yield the most profitable trading strategies, which outperform the market on average for Bitcoin, Ethereum and Litecoin over the past 22 months, since January 2018.

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.