תהליך להשוואת אסטרטגיות מסחר במניות ובקריפטו

מאמר arXiv papers · מחבר: Luyao Zhang et al.

סיכום

המסמך מציג תהליך עבודה כללי לתכנון, ליישום ולהערכה של אסטרטגיות מסחר אלגוריתמי בשוקי המניות והקריפטו. הוא משתמש בארבע דוגמאות: חצייה של ממוצעים נעים, גישת ביצוע משוקללת לפי נפח, מסחר מבוסס סנטימנט וארביטראז׳ סטטיסטי. המטרה היא להפוך את פיתוח האסטרטגיות והשוואתן לשיטתיים יותר, באמצעות מימוש מונחה עצמים שנועד לתמוך במחקר עתידי ובשימוש מעשי.

התקציר מתאר את תהליך העבודה ואת האסטרטגיות לדוגמה, אך אינו מספק תוצאות ביצועים, מערכי נתונים, מדדי הערכה או פרטי מימוש. לכן הוא מציג את מבנה המסגרת, אך אינו קובע איזו גישה פועלת טוב יותר או אם אסטרטגיה כלשהי רווחית. הדיון גם אינו מתייחס באופן ספציפי לעלויות עסקה, למשטרי שוק או לבקרות סיכון, ולכן נדרשות ראיות נוספות לפני שאפשר להסיק מסקנות על התאמתה לשימוש בעולם האמיתי.

רעיונות מרכזיים

תהליך עבודה משותף יכול לארגן תכנון והערכה של אסטרטגיות בשוקי המניות והקריפטו.
המחקר מדגים את התהליך באמצעות ארבע שיטות הנוגעות לאותות טכניים, ביצוע, סנטימנט וקשרים סטטיסטיים.
מבנה הערכה אחיד יכול להפוך השוואות בין גישות מסחר לשיטתיות יותר.
התקציר אינו מדווח על ביצועים אמפיריים או על די פרטים מתודולוגיים כדי לשפוט יעילות מעשית.

תגיות

ריבוי נכסים בדיקת ביצועים היסטוריים אינדיקטורים טכניים סנטימנט שוק ארביטראז׳

הטקסט המלא

# A Data Science Pipeline for Algorithmic Trading: A Comparative Study of Applications for Finance and Cryptoeconomics


# A Data Science Pipeline for Algorithmic Trading: A Comparative Study of Applications for Finance and Cryptoeconomics









Recent advances in Artificial Intelligence (AI) have made algorithmic trading play a central role in finance. However, current research and applications are disconnected information islands. We propose a generally applicable pipeline for designing, programming, and evaluating the algorithmic trading of stock and crypto assets. Moreover, we demonstrate how our data science pipeline works with respect to four conventional algorithms: the moving average crossover, volume-weighted average price, sentiment analysis, and statistical arbitrage algorithms. Our study offers a systematic way to program, evaluate, and compare different trading strategies. Furthermore, we implement our algorithms through object-oriented programming in Python3, which serves as open-source software for future academic research and applications.

מוצג במלואו בציון המקור ובהתאם לרישיון שלו. רישיון: abstract CC0

הסיכום נכתב בידי סוכן המחקר של Stratmill על סמך המקור; הוא אינו העתק של המקור.