Classer les facteurs de risque et de prix des cryptomonnaies avec les données on-chain | Stratmill

Résumé

L’étude examine si les mesures sur chaîne des cryptomonnaies peuvent aider à expliquer les prix et à distinguer les actifs risqués. Elle analyse des données historiques, mesure les corrélations entre les prix et d’autres paramètres, regroupe les cryptomonnaies par clustering et applique des algorithmes de classification pour déterminer si les actifs sont risqués ou non. Les groupes doivent permettre aux investisseurs de comparer une cryptomonnaie à d’autres présentant des profils sur chaîne similaires.

Les données rapportées montrent que 39% des cryptomonnaies ont disparu, tandis que 10% ont duré plus de 1,000 jours. Le prix présente une corrélation négative significative avec l’offre maximale et totale, et une faible corrélation positive avec le volume de trading sur 24 heures. Le clustering produit cinq groupes, et le meilleur score F1 rapporté pour la classification du risque est de 76%, avec les k plus proches voisins. Il s’agit d’associations historiques et de résultats de classification, et non de preuves que ces caractéristiques causent les variations de prix ou garantissent la détection future du risque. L’extrait ne décrit ni la constitution de l’échantillon, ni le dispositif de validation, ni les performances dans des conditions de marché changeantes.

Idées clés

• L’analyse utilise des mesures historiques sur chaîne pour étudier les prix et la classification du risque des cryptomonnaies.
• L’offre maximale et totale présenterait des corrélations négatives significatives avec le prix.
• Le volume de trading sur 24 heures présente une faible corrélation positive avec le prix.
• Le clustering répartit les cryptomonnaies en cinq groupes selon leurs paramètres sur chaîne.
• Les k plus proches voisins obtiennent le meilleur score F1 indiqué pour la classification du risque, soit 76%.

Étiquettes

# AI-Assisted Investigation of On-Chain Parameters: Risky Cryptocurrencies and Price Factors


# AI-Assisted Investigation of On-Chain Parameters: Risky Cryptocurrencies and Price Factors









Cryptocurrencies have become a popular and widely researched topic of interest in recent years for investors and scholars. In order to make informed investment decisions, it is essential to comprehend the factors that impact cryptocurrency prices and to identify risky cryptocurrencies. This paper focuses on analyzing historical data and using artificial intelligence algorithms on on-chain parameters to identify the factors affecting a cryptocurrency's price and to find risky cryptocurrencies. We conducted an analysis of historical cryptocurrencies' on-chain data and measured the correlation between the price and other parameters. In addition, we used clustering and classification in order to get a better understanding of a cryptocurrency and classify it as risky or not. The analysis revealed that a significant proportion of cryptocurrencies (39%) disappeared from the market, while only a small fraction (10%) survived for more than 1000 days. Our analysis revealed a significant negative correlation between cryptocurrency price and maximum and total supply, as well as a weak positive correlation between price and 24-hour trading volume. Moreover, we clustered cryptocurrencies into five distinct groups using their on-chain parameters, which provides investors with a more comprehensive understanding of a cryptocurrency when compared to those clustered with it. Finally, by implementing multiple classifiers to predict whether a cryptocurrency is risky or not, we obtained the best f1-score of 76% using K-Nearest Neighbor.

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.