Máquinas de vectores de soporte para trading de criptomonedas a corto plazo

Resumen

El estudio utiliza precios históricos e indicadores técnicos para clasificar movimientos a corto plazo de Bitcoin, Ethereum y Litecoin. Compara métodos de clasificación según su capacidad para identificar movimientos alcistas y bajistas en un horizonte de una hora, e informa de su rendimiento en valor predictivo positivo y negativo. Después convierte las previsiones en decisiones de trading y las evalúa con un backtester diseñado para representar las condiciones de trading.

Las máquinas de vectores de soporte generan las estrategias más rentables entre los métodos considerados, y las estrategias descritas superan al mercado en promedio para los tres activos durante el periodo de evaluación indicado, que comienza en enero de 2018. Estos resultados se limitan a las criptomonedas, la muestra histórica, los indicadores, el horizonte de previsión y los supuestos de backtesting seleccionados. La descripción no ofrece detalles como la configuración de los costes de transacción, las especificaciones del modelo o el rendimiento ajustado al riesgo, por lo que los resultados por sí solos no permiten establecer cómo funcionaría la estrategia en otros periodos o en trading real.

Ideas clave

• El estudio crea indicadores técnicos a partir del historial de precios de criptomonedas para prever la dirección del precio a una hora.
• Evalúa clasificadores mediante medidas de valor predictivo positivo y negativo.
• Las previsiones se convierten en decisiones de trading y se evalúan con un backtester orientado al trading.
• Las máquinas de vectores de soporte lideran los métodos probados en rentabilidad de las estrategias descritas.
• La superioridad frente al mercado descrita se limita a Bitcoin, Ethereum, Litecoin y al periodo histórico probado.

Etiquetas

# 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.

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.