طبقه‌بندی الگوهای قیمت برای مقایسه بازار رمزارز و سهام

خلاصه

این مطالعه می‌پرسد آیا سرمایه‌گذاران رمزارز با سرمایه‌گذاران سهام متفاوت معامله می‌کنند و از تاریخچه قیمت دارایی‌ها به‌عنوان شاهدی بر این رفتارها استفاده می‌کند. ابتدا چندین مدل یادگیری ماشین را برای طبقه‌بندی سری‌های زمانی رمزارز و سهام که در یک دوره مشاهده شده‌اند به‌کار می‌گیرد. دقت بالای طبقه‌بندی گزارش‌شده نشان می‌دهد الگوهای قیمت این دو گروه قابل تمایزند، هرچند طبقه‌بندی به‌تنهایی علت این تفاوت‌ها یا ماندگاری‌شان را مشخص نمی‌کند.

سپس نویسندگان ویژگی‌های سری زمانی، از جمله گشتاورهای توزیع، مقادیر حدی و خودهمبستگی در چند مرتبه را محاسبه می‌کنند و ارزش توضیحی آن‌ها را با رگرسیون لجستیک، جنگل تصادفی، ماشین بردار پشتیبان و طبقه‌بندهای دیگر می‌سنجند. نتایج نشان می‌دهند این ویژگی‌ها به تفکیک دو گروه دارایی کمک می‌کنند. سند جزئیات انتخاب نمونه، اعتبارسنجی خارج از نمونه یا ارقام مشخص دقت را ارائه نمی‌کند؛ بنابراین از این خلاصه نمی‌توان قدرت تمایزهای گزارش‌شده و ارتباطشان با معامله را مستقلاً ارزیابی کرد. روش، تحلیل مقایسه‌ای است، نه قاعده معاملاتی یا شاهدی بر بازده سودآور.

ایده‌های کلیدی

• سری‌های زمانی قیمت می‌توانند برای تمایز رفتار رمزارز از رفتار سهام به‌کار روند.
• مطالعه دقت بالایی را در طبقه‌بندی دو گروه دارایی طی دوره‌ای یکسان گزارش می‌کند.
• آمار توزیعی و ویژگی‌های خودهمبستگی به توضیح تفاوت‌های الگوهای مشاهده‌شده کمک می‌کنند.
• رگرسیون لجستیک، جنگل تصادفی و ماشین بردار پشتیبان از جمله مدل‌های آزموده‌شده‌اند.
• شواهد طبقه‌بندی تفاوت‌ها را نشان می‌دهد، اما علت یا سودآوری آن‌ها را اثبات نمی‌کند.

برچسب‌ها

# Classification-Based Analysis of Price Pattern Differences Between Cryptocurrencies and Stocks


# Classification-Based Analysis of Price Pattern Differences Between Cryptocurrencies and Stocks









Cryptocurrencies are digital tokens built on blockchain technology, with thousands actively traded on centralized exchanges (CEXs). Unlike stocks, which are backed by real businesses, cryptocurrencies are recognized as a distinct class of assets by researchers. How do investors treat this new category of asset in trading? Are they similar to stocks as an investment tool for investors? We answer these questions by investigating cryptocurrencies' and stocks' price time series which can reflect investors' attitudes towards the targeted assets. Concretely, we use different machine learning models to classify cryptocurrencies' and stocks' price time series in the same period and get an extremely high accuracy rate, which reflects that cryptocurrency investors behave differently in trading from stock investors. We then extract features from these price time series to explain the price pattern difference, including mean, variance, maximum, minimum, kurtosis, skewness, and first to third-order autocorrelation, etc., and then use machine learning methods including logistic regression (LR), random forest (RF), support vector machine (SVM), etc. for classification. The classification results show that these extracted features can help to explain the price time series pattern difference between cryptocurrencies and stocks.

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.