استفاده از PCA و همبستگی کانونی برای پیش‌بینی بازده اتریوم
خلاصه
این مقاله روش‌های کاهش بُعد را برای بررسی رابطه میان بیت‌کوین و اتریوم و پیش‌بینی بازده اتریوم ارزیابی می‌کند. مجموعه‌داده شامل بازده‌های لگاریتمی و متغیرهای کمکی دیگری است. نویسندگان ابتدا همبستگی پیرسون را به‌عنوان سنجه‌ای مقدماتی برای پیوند میان دو ارز دیجیتال به کار می‌گیرند و سپس تحلیل همبستگی کانونی و تحلیل مؤلفه‌های اصلی را برای کاهش بُعد داده و بررسی روابط میان‌دارایی اعمال می‌کنند.
برای کار پیش‌بینی، مطالعه از ویژگی‌های بیت‌کوین برای پیش‌بینی بازده اتریوم استفاده می‌کند و عملکرد روش‌های آماری را می‌سنجد. شرح ارائه‌شده طرح پژوهش را بیان می‌کند، اما امتیازهای پیش‌بینی، تاریخ‌های نمونه، جزئیات مدل یا مقایسه با خط مبنا را ارائه نمی‌دهد. بنابراین مشخص می‌کند کدام روش‌ها ارزیابی شده‌اند، اما نشان نمی‌دهد کاهش بُعد پیش‌بینی‌ها را بهبود داده یا رابطه‌ای فراتر از داده‌های تحلیل‌شده تعمیم‌پذیر است. تمرکز بر پیوند آماری و پیش‌بینی بازده میان دو ارز دیجیتال است، نه یک استراتژی معاملاتی کامل با قواعد اجرا یا ریسک.
ایده‌های کلیدی
- مطالعه پیوندهای بیت‌کوین و اتریوم را با استفاده از بازده‌های لگاریتمی و متغیرهای کمکی بررسی می‌کند.
- همبستگی پیرسون ارزیابی اولیه رابطه میان دو دارایی را فراهم می‌کند.
- تحلیل همبستگی کانونی و تحلیل مؤلفه‌های اصلی برای کاهش بُعد به کار می‌روند.
- در کار پیش‌بینی، بازده اتریوم با استفاده از ویژگی‌های بیت‌کوین پیش‌بینی می‌شود.
- شرح ارائه‌شده امتیاز پیش‌بینی گزارش نمی‌کند و نشان نمی‌دهد که روش‌ها پیش‌بینی را بهبود می‌دهند.
برچسب‌ها
متن کامل
# Dimensionality reduction for prediction: Application to Bitcoin and Ethereum # Dimensionality reduction for prediction: Application to Bitcoin and Ethereum The objective of this paper is to assess the performances of dimensionality reduction techniques to establish a link between cryptocurrencies. We have focused our analysis on the two most traded cryptocurrencies: Bitcoin and Ethereum. To perform our analysis, we took log returns and added some covariates to build our data set. We first introduced the pearson correlation coefficient in order to have a preliminary assessment of the link between Bitcoin and Ethereum. We then reduced the dimension of our data set using canonical correlation analysis and principal component analysis. After performing an analysis of the links between Bitcoin and Ethereum with both statistical techniques, we measured their performance on forecasting Ethereum returns with Bitcoin s features.
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.