Apprentissage automatique et prévision à court terme des prix des cryptomonnaies

Résumé

Cette étude teste si les inefficiences des marchés des cryptomonnaies peuvent servir à générer des profits de trading anormaux. Elle évalue de simples stratégies algorithmiques reposant sur l’apprentissage automatique, à partir d’observations quotidiennes couvrant 1,681 cryptomonnaies de novembre 2015 à avril 2018. La comparaison rapportée indique que ces stratégies surpassent les références standard, ce qui suggère que des mécanismes prédictifs relativement simples peuvent aider à anticiper les mouvements de marché à court terme.

Le résumé ne précise ni les algorithmes, ni les variables, ni les références, ni les hypothèses relatives aux coûts de transaction ; il ne fournit pas non plus de chiffres de performance. Le résultat rapporté se limite donc à l’échantillon et à la période indiqués par l’étude ; il n’établit pas que les stratégies resteraient rentables dans d’autres conditions de marché ou après prise en compte des coûts de trading. Ce travail constitue un test historique utile du trading de cryptomonnaies fondé sur l’apprentissage automatique, mais des précisions supplémentaires sont nécessaires pour évaluer sa reproductibilité et sa mise en œuvre.

Idées clés

• L’étude teste des stratégies de prévision à court terme des prix des cryptomonnaies assistées par l’apprentissage automatique.
• Elle utilise des données quotidiennes sur 1,681 cryptomonnaies de novembre 2015 à avril 2018.
• Les stratégies rapportées surpassent les références standard de l’étude.
• Le résumé ne précise ni les algorithmes, ni les variables d’entrée, ni le traitement des coûts de transaction.
• Les résultats présentés se limitent à l’échantillon historique décrit.

Étiquettes

# 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.

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.