استراتژی‌های یادگیری ماشین برای پیش‌بینی کوتاه‌مدت قیمت رمزارز
خلاصه
این مطالعه می‌آزماید آیا می‌توان از ناکارایی‌های بازار ارزهای دیجیتال برای کسب سود معاملاتی غیرعادی استفاده کرد. استراتژی‌های الگوریتمی ساده با پشتیبانی یادگیری ماشین را بر مشاهدات روزانه مربوط به 1,681 ارز دیجیتال، از نوامبر 2015 تا آوریل 2018، ارزیابی می‌کند. مقایسه گزارش‌شده نشان می‌دهد این استراتژی‌ها از معیارهای متعارف بهتر عمل می‌کنند؛ این یافته حاکی است سازوکارهای پیش‌بینی نسبتاً ساده شاید به پیش‌بینی حرکت‌های کوتاه‌مدت بازار کمک کنند.
چکیده الگوریتم‌ها، ویژگی‌ها، معیارها یا فرض‌های مشخص درباره هزینه‌های معامله را معرفی نمی‌کند و هیچ رقم عملکردی ارائه نمی‌دهد. بنابراین، نتیجه گزارش‌شده به نمونه و دوره زمانی بیان‌شده در مطالعه محدود است و ثابت نمی‌کند که استراتژی‌ها در شرایط دیگر بازار یا پس از کسر هزینه‌های معامله نیز سودآور بمانند. این پژوهش به‌عنوان آزمونی تاریخی از معامله رمزارز مبتنی بر یادگیری ماشین مفید است، اما برای ارزیابی بازتولیدپذیری و پیاده‌سازی به جزئیات بیشتری نیاز است.
ایده‌های کلیدی
- این مطالعه استراتژی‌های پیش‌بینی کوتاه‌مدت قیمت رمزارز با کمک یادگیری ماشین را می‌آزماید.
- از داده‌های روزانه 1,681 ارز دیجیتال، از نوامبر 2015 تا آوریل 2018، استفاده می‌کند.
- استراتژی‌های گزارش‌شده از معیارهای متعارف مطالعه بهتر عمل می‌کنند.
- چکیده الگوریتم‌ها، ویژگی‌های ورودی یا نحوه لحاظ‌کردن هزینه‌های معامله را مشخص نمی‌کند.
- یافته‌های بیان‌شده به نمونه تاریخی توصیف‌شده محدودند.
برچسب‌ها
متن کامل
# Anticipating cryptocurrency prices using machine learning # Anticipating cryptocurrency prices using machine learning Machine learning and AI-assisted trading have attracted growing interest for the past few years. Here, we use this approach to test the hypothesis that the inefficiency of the cryptocurrency market can be exploited to generate abnormal profits. We analyse daily data for $1,681$ cryptocurrencies for the period between Nov. 2015 and Apr. 2018. We show that simple trading strategies assisted by state-of-the-art machine learning algorithms outperform standard benchmarks. Our results show that nontrivial, but ultimately simple, algorithmic mechanisms can help anticipate the short-term evolution of the cryptocurrency market.
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.