השוואת למידת מכונה ואיתותים טכניים למסחר בביטקוין

סיכום

המחקר משווה שני מודלים של למידת מכונה, LightGBM ו־LSTM, עם שתי אסטרטגיות המבוססות על אינדיקטורים לביטקוין: חצייה של ממוצע נע מעריכי ושילוב של MACD עם ADX. ההשוואה מוצגת על רקע קבלת אישור רגולטורי בארצות הברית לקרנות הסל הראשונות שמחזיקות ביטקוין ספוט בינואר 2024. מטרתו המוצהרת היא להעריך את ביצועי האיתותים האלה במסחר בביטקוין.

המסמך מדווח שאסטרטגיית LSTM הניבה תשואה מצטברת של כ־65.23% בפחות משנה והניבה ביצועים טובים יותר מהמודלים האחרים, מהאסטרטגיות הטכניות ומקנייה והחזקה בתקופה שנבדקה. תוצאה מדווחת יחידה זו אינה מבססת שהמודל יוכל להכליל: המסמך אינו מתאר את מערך הנתונים, את מערך התיקוף, את עלויות המסחר, תשואות מותאמות לסיכון או אמצעי הגנה מפני התאמת יתר. לפיכך, ההשוואה מציגה טענת ביצועים לתקופת מחקר מוגבלת, ולא מספיק פרטים כדי להעריך אם התוצאה ניתנת לשחזור או מתאימה לפריסה.

רעיונות מרכזיים

• ההשוואה כוללת מודלים של LightGBM ו־LSTM, לצד אסטרטגיות חצייה של EMA ושילובי MACD ו־ADX.
• האסטרטגיות נבדקות עבור ביטקוין, והמחקר מונע מאישור קרנות סל לביטקוין ספוט בארצות הברית.
• המסמך מדווח של־LSTM הייתה התשואה המצטברת הגבוהה ביותר מבין הגישות המנויות בתקופת המחקר.
• התשואה המדווחת לבדה אינה מראה כיצד התוצאה משתנה לאחר עלויות או תחת שיטות תיקוף שונות.
• המסמך אינו מספק מספיק פרטים מתודולוגיים כדי להעריך את יכולת השחזור או את הסיכון להתאמת יתר.

תגיות

# Technical Analysis Meets Machine Learning: Bitcoin Evidence


# Technical Analysis Meets Machine Learning: Bitcoin Evidence









In this note, we compare Bitcoin trading performance using two machine learning models-Light Gradient Boosting Machine (LightGBM) and Long Short-Term Memory (LSTM)-and two technical analysis-based strategies: Exponential Moving Average (EMA) crossover and a combination of Moving Average Convergence/Divergence with the Average Directional Index (MACD+ADX). The objective is to evaluate how trading signals can be used to maximize profits in the Bitcoin market. This comparison was motivated by the U.S. Securities and Exchange Commission's (SEC) approval of the first spot Bitcoin exchange-traded funds (ETFs) on 2024-01-10. Our results show that the LSTM model achieved a cumulative return of approximately 65.23% in under a year, significantly outperforming LightGBM, the EMA and MACD+ADX strategies, as well as the baseline buy-and-hold. This study highlights the potential for deeper integration of machine learning and technical analysis in the rapidly evolving cryptocurrency landscape.

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.