چارچوب مقایسه‌ای برای ارزیابی استراتژی‌های معامله سهام و ارز دیجیتال
خلاصه
این سند گردش‌کاری کلی برای طراحی، پیاده‌سازی و ارزیابی استراتژی‌های معاملات الگوریتمی در بازارهای سهام و ارز دیجیتال ارائه می‌کند. چهار نمونه دارد: تقاطع میانگین متحرک، رویکرد اجرای وزن‌داده‌شده با حجم، معامله مبتنی بر احساسات و آربیتراژ آماری. هدف، نظام‌مندترکردن توسعه و مقایسه استراتژی‌ها با پیاده‌سازی شیءگراست که برای پشتیبانی از پژوهش‌های بعدی و کاربرد عملی در نظر گرفته شده است.
چکیده گردش‌کار و استراتژی‌های نمونه را شرح می‌دهد، اما نتایج عملکرد، مجموعه‌داده‌ها، معیارهای ارزیابی یا جزئیات پیاده‌سازی ارائه نمی‌کند. بنابراین نحوه سازمان‌دهی چارچوب را نشان می‌دهد، بی‌آنکه مشخص کند کدام رویکرد بهتر عمل می‌کند یا آیا استراتژی‌ای سودآور است. بحث همچنین به هزینه‌های معامله، رژیم‌های بازار یا کنترل‌های ریسک نمی‌پردازد؛ بنابراین برای نتیجه‌گیری درباره تناسب آن با شرایط واقعی، شواهد بیشتری لازم است.
ایده‌های کلیدی
- گردش‌کاری مشترک می‌تواند طراحی و ارزیابی استراتژی‌ها را در بازارهای سهام و ارز دیجیتال سامان دهد.
- پژوهش فرایند خود را با چهار روش در حوزه سیگنال‌های تکنیکال، اجرا، احساسات و روابط آماری نشان می‌دهد.
- ساختار ارزیابی یکسان می‌تواند مقایسه رویکردهای معاملاتی را نظام‌مندتر کند.
- چکیده عملکرد تجربی یا جزئیات روش‌شناختی کافی برای قضاوت درباره اثربخشی عملی گزارش نمی‌کند.
برچسب‌ها
متن کامل
# 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.
با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.