Aprendizaje automático para pronosticar los precios de un índice de criptomonedas y sus componentes
Resumen
El artículo aplica métodos de aprendizaje automático para pronosticar los precios de cierre de un índice de criptomonedas y de nueve criptomonedas que lo componen. Indica que compara varios algoritmos y modelos para identificar el enfoque con mejor rendimiento, y que también contrasta el trabajo con estudios relacionados. El objetivo declarado es estudiar las fluctuaciones de precios en un mercado volátil y explorar posibles usos para el trading y la gestión de carteras de criptomonedas.
Los autores informan de que su mejor enfoque obtiene resultados que describen como mejores que los trabajos anteriores o competitivos con ellos. Sin embargo, la descripción proporcionada no indica los algoritmos, las fuentes de datos, el horizonte de pronóstico, las medidas de evaluación ni los resultados concretos. Tampoco explica si las previsiones se evalúan como señales de trading tras descontar costes ni cómo rinden en distintas condiciones de mercado. Por tanto, el texto establece la tarea de pronóstico y una afirmación comparativa general, pero ofrece demasiado poco detalle para juzgar la fiabilidad predictiva o el valor práctico para el trading.
Ideas clave
- El estudio pronostica los precios de cierre de un índice de criptomonedas y nueve activos que lo componen.
- Compara varios modelos de aprendizaje automático para seleccionar un enfoque de pronóstico preferido.
- Los autores comparan los resultados que presentan con estudios de pronóstico relacionados.
- La descripción proporcionada omite detalles de los modelos, datos, medidas de evaluación y pruebas de trading.
Etiquetas
Texto completo
# 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.
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.