مقایسه یادگیری ماشین و سیگنال‌های تکنیکال در معامله بیت‌کوین
خلاصه
این پژوهش دو مدل یادگیری ماشین، لایت‌جی‌بی‌ام و LSTM، را با دو استراتژی مبتنی بر شاخص برای بیت‌کوین مقایسه می‌کند: تقاطع میانگین متحرک نمایی و ترکیبی از MACD با ADX. این مقایسه در زمینه تأیید نظارتی آمریکا برای نخستین صندوق‌های قابل معامله در بورس بیت‌کوین نقدی در ژانویه 2024 ارائه می‌شود. هدف اعلام‌شده، ارزیابی عملکرد این سیگنال‌ها در معامله بیت‌کوین است.
سند گزارش می‌کند که استراتژی LSTM در کمتر از یک سال بازده تجمعی حدود 65.23% داشته و در دوره بررسی‌شده از مدل‌ها، استراتژی‌های تکنیکال و خرید و نگهداری بهتر عمل کرده است. این نتیجه منفرد ثابت نمی‌کند که مدل قابل تعمیم است: سند مجموعه‌داده، طراحی اعتبارسنجی، هزینه‌های معاملاتی، بازده تعدیل‌شده بر حسب ریسک یا محافظت در برابر بیش‌برازش را شرح نمی‌دهد. بنابراین، این مقایسه ادعایی درباره عملکرد در یک دوره پژوهشی محدود عرضه می‌کند، نه جزئیات کافی برای قضاوت درباره تکرارپذیری نتیجه یا مناسب‌بودن آن برای استقرار.
ایده‌های کلیدی
- این مقایسه مدل‌های لایت‌جی‌بی‌ام و LSTM را در کنار استراتژی‌های تقاطع EMA و ترکیب MACD با ADX در بر می‌گیرد.
- استراتژی‌ها برای بیت‌کوین ارزیابی می‌شوند و مجوز آمریکا برای صندوق‌های قابل معامله در بورس بیت‌کوین نقدی انگیزه این پژوهش است.
- سند گزارش می‌کند که LSTM در دوره پژوهش بیشترین بازده تجمعی را در میان رویکردهای فهرست‌شده داشته است.
- بازده گزارش‌شده به‌تنهایی نشان نمی‌دهد نتیجه پس از هزینه‌ها یا با روش‌های اعتبارسنجی متفاوت چگونه تغییر می‌کند.
- سند جزئیات روش‌شناختی کافی برای ارزیابی تکرارپذیری یا خطر بیش‌برازش ارائه نمی‌کند.
برچسب‌ها
متن کامل
# Technical Analysis Meets Machine Learning: Bitcoin Evidence # Technical Analysis Meets Machine Learning: Bitcoin Evidence In this note, we compare Bitcoin trading performance using two machine learning models-Light Gradient Boosting Machine (LightGBM) and Long Short-Term Memory (LSTM)-and two technical analysis-based strategies: Exponential Moving Average (EMA) crossover and a combination of Moving Average Convergence/Divergence with the Average Directional Index (MACD+ADX). The objective is to evaluate how trading signals can be used to maximize profits in the Bitcoin market. This comparison was motivated by the U.S. Securities and Exchange Commission's (SEC) approval of the first spot Bitcoin exchange-traded funds (ETFs) on 2024-01-10. Our results show that the LSTM model achieved a cumulative return of approximately 65.23% in under a year, significantly outperforming LightGBM, the EMA and MACD+ADX strategies, as well as the baseline buy-and-hold. This study highlights the potential for deeper integration of machine learning and technical analysis in the rapidly evolving cryptocurrency landscape.
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.