Apprentissage automatique pour prévoir les prix d’un indice crypto et de ses actifs
Résumé
L’article applique des méthodes d’apprentissage automatique pour prévoir les cours de clôture d’un indice de cryptomonnaies et de neuf cryptomonnaies qui le composent. Il indique que plusieurs algorithmes et modèles sont comparés pour trouver l’approche la plus performante, puis que les résultats sont également comparés à ceux d’études connexes. L’objectif annoncé est d’étudier les fluctuations des prix sur un marché volatil et d’explorer des applications possibles au trading et à la gestion de portefeuilles de cryptomonnaies.
Les auteurs indiquent que leur meilleure approche donne des résultats qu’ils décrivent comme meilleurs que ceux des travaux antérieurs ou comparables à ceux-ci. Toutefois, la description fournie ne nomme ni les algorithmes, ni les sources de données, ni l’horizon de prévision, ni les mesures d’évaluation, ni les résultats précis. Elle n’explique pas non plus si les prévisions sont évaluées comme signaux de trading après coûts ni comment elles se comportent dans des conditions de marché changeantes. Le texte établit donc la tâche de prévision et avance une comparaison générale, mais fournit trop peu de détails pour juger de la fiabilité prédictive ou de l’utilité pratique pour le trading.
Idées clés
- L’étude prévoit les cours de clôture d’un indice de cryptomonnaies et de neuf actifs qui le composent.
- Elle compare plusieurs modèles d’apprentissage automatique afin de choisir une approche de prévision privilégiée.
- Les auteurs comparent les résultats rapportés à ceux d’études connexes en matière de prévision.
- La description fournie omet les détails des modèles, les données, les mesures d’évaluation et les tests de trading.
Étiquettes
Texte intégral
# Predicting and Forecasting the Price of Constituents and Index of Cryptocurrency Using Machine Learning # Predicting and Forecasting the Price of Constituents and Index of Cryptocurrency Using Machine Learning At present, cryptocurrencies have become a global phenomenon in financial sectors as it is one of the most traded financial instruments worldwide. Cryptocurrency is not only one of the most complicated and abstruse fields among financial instruments, but it is also deemed as a perplexing problem in finance due to its high volatility. This paper makes an attempt to apply machine learning techniques on the index and constituents of cryptocurrency with a goal to predict and forecast prices thereof. In particular, the purpose of this paper is to predict and forecast the close (closing) price of the cryptocurrency index 30 and nine constituents of cryptocurrencies using machine learning algorithms and models so that, it becomes easier for people to trade these currencies. We have used several machine learning techniques and algorithms and compared the models with each other to get the best output. We believe that our work will help reduce the challenges and difficulties faced by people, who invest in cryptocurrencies. Moreover, the obtained results can play a major role in cryptocurrency portfolio management and in observing the fluctuations in the prices of constituents of cryptocurrency market. We have also compared our approach with similar state of the art works from the literature, where machine learning approaches are considered for predicting and forecasting the prices of these currencies. In the sequel, we have found that our best approach presents better and competitive results than the best works from the literature thereby advancing the state of the art. Using such prediction and forecasting methods, people can easily understand the trend and it would be even easier for them to trade in a difficult and challenging financial instrument like cryptocurrency.
Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0
Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.