סיווג משטרי שוק בקריפטו באמצעות מקודד אוטומטי קונבולוציוני
סיכום
המחקר משתמש במקודד אוטומטי קונבולוציוני כדי לחלץ דפוסים דומיננטיים בהתנהגות שוק המטבעות הקריפטוגרפיים ולחלק 40 מטבעות קריפטוגרפיים למחלקות. הוא בוחן שנים־עשר פרקי זמן רצופים של שישה חודשים, החל מ־15 במאי 2013, ואז מקשר בין שינויים בחברות במחלקות לאורך זמן לבין התבגרות שוק המטבעות הקריפטוגרפיים. השימוש המוצע לסוחרים הוא לפרש את הקבוצות המשתנות כדרך להבנת מבנה השוק ואולי לקבל מידע להחלטות השקעה או מסחר.
המסמך מתאר את השיטה, את יקום הנכסים ואת חלונות התצפית, אך אינו מפרט פרטי סיווג, מדדי אימות, תוצאות משטר ספציפיות או כללי מסחר שנבדקו. לכן הוא מציע גישת למידת מכונה חקרנית לתיאור התפתחות שוק הקריפטו, ולא ראיות לאסטרטגיה רווחית. מעברים בין מחלקות מקושרים להבשלת השוק, אך הסיכום אינו מסביר כיצד נקבעה הפרשנות הזאת או אם הקבוצות נותרות יציבות תחת בחירות חלופיות של נתונים ומודלים.
רעיונות מרכזיים
- מקודד אוטומטי קונבולוציוני משמש לחילוץ דפוסים דומיננטיים משווקי מטבעות קריפטוגרפיים.
- הניתוח מסווג 40 מטבעות קריפטוגרפיים לקבוצות לאורך שנים־עשר פרקי זמן בני שישה חודשים.
- שינויים בחברות בקבוצות מתפרשים בהקשר של הבשלת השוק.
- העבודה מציעה רלוונטיות אפשרית להשקעה, אך אינה כוללת בדיקת מסחר ישירה או מדדי אימות מדווחים.
תגיות
הטקסט המלא
# Deep convolutional autoencoder for cryptocurrency market analysis # Deep convolutional autoencoder for cryptocurrency market analysis This study attempts to analyze patterns in cryptocurrency markets using a special type of deep neural networks, namely a convolutional autoencoder. The method extracts the dominant features of market behavior and classifies the 40 studied cryptocurrencies into several classes for twelve 6-month periods starting from 15th May 2013. Transitions from one class to another with time are related to the maturement of cryptocurrencies. In speculative cryptocurrency markets, these findings have potential implications for investment and trading strategies.
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.