Proceso comparativo para evaluar estrategias de trading en acciones y cripto

Resumen

El documento presenta un flujo de trabajo general para diseñar, implementar y evaluar estrategias de trading algorítmico en mercados de acciones y criptomonedas. Incluye cuatro ejemplos: un cruce de medias móviles, un método de ejecución ponderado por volumen, trading basado en sentimiento y arbitraje estadístico. El objetivo es sistematizar el desarrollo y la comparación de estrategias mediante una implementación orientada a objetos concebida para facilitar investigaciones posteriores y usos prácticos.

El resumen describe el proceso y sus estrategias de ejemplo, pero no ofrece resultados de rendimiento, conjuntos de datos, métricas de evaluación ni detalles de implementación. Por tanto, indica cómo se organiza el marco, pero no determina qué enfoque funciona mejor ni si alguna estrategia es rentable. La discusión tampoco trata en concreto los costes de transacción, los regímenes de mercado ni los controles de riesgo, por lo que se necesitarían más pruebas antes de extraer conclusiones sobre su idoneidad en condiciones reales.

Ideas clave

• Un flujo de trabajo común puede organizar el diseño y la evaluación de estrategias en los mercados de acciones y criptomonedas.
• El estudio ilustra el proceso con cuatro métodos que abarcan señales técnicas, ejecución, sentimiento y relaciones estadísticas.
• Una estructura de evaluación uniforme puede sistematizar la comparación entre enfoques de trading.
• El resumen no comunica rendimiento empírico ni suficientes detalles metodológicos para juzgar la eficacia práctica.

Etiquetas

# A Data Science Pipeline for Algorithmic Trading: A Comparative Study of Applications for Finance and Cryptoeconomics


# A Data Science Pipeline for Algorithmic Trading: A Comparative Study of Applications for Finance and Cryptoeconomics









Recent advances in Artificial Intelligence (AI) have made algorithmic trading play a central role in finance. However, current research and applications are disconnected information islands. We propose a generally applicable pipeline for designing, programming, and evaluating the algorithmic trading of stock and crypto assets. Moreover, we demonstrate how our data science pipeline works with respect to four conventional algorithms: the moving average crossover, volume-weighted average price, sentiment analysis, and statistical arbitrage algorithms. Our study offers a systematic way to program, evaluate, and compare different trading strategies. Furthermore, we implement our algorithms through object-oriented programming in Python3, which serves as open-source software for future academic research and applications.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.