עבור לתוכן
כל מסמכי הספרייה

בחינת מודלי זרם פקודות חוזרים של ביטקוין בתקופת בועה

מאמר arXiv papers · מחבר: Ye-Sheen Lim et al.

סיכום

מאמר זה מציע מודל חוזר עמוק המשתמש בזרם הפקודות בבורסה כדי למדל תנועות מחיר כיווניות בתדירות גבוהה. זרם הפקודות מתואר כרצף הפקודות הנכנסות התורמות לקביעת המחיר. השאלה המרכזית היא אם מודל שאומן במשטר שוק אחד נותר שימושי כאשר התנאים משתנים במידה ניכרת.

כדי להעריך יציבות לאורך זמן, המחברים מאמנים את המודל על נתונים מלפני בועת הביטקוין של 2017 ובוחנים אותו במהלכה ולאחריה, ללא אימון מחדש. הם מדווחים שהמודל נותר יציב לאורך תקופת הבועה התנודתית מאוד ומשווים אותו לגישות קיימות של למידה עמוקה לקביעת מחירים. התיאור שסופק אינו מציין את מקור הנתונים, יעד התחזית המדויק, מדדי ההערכה או תוצאות ההשוואה. לכן הוא תומך בטענת יציבות בניסוי המדווח, אך מותיר פתוחה את השאלה עד כמה הממצא מוכלל לנכסים, לזירות מסחר או למשטרי שוק אחרים.

רעיונות מרכזיים

  • המודל החוזר העמוק המוצע משתמש בזרם פקודות הבורסה למידול שינויים כיווניים במחיר בתדירות גבוהה.
  • הניסוי מאמן את המודל על נתוני ביטקוין מלפני בועת 2017, ובודק אותו במהלך הבועה ולאחריה.
  • המודל מוערך ללא אימון מחדש לאורך התקופה התנודתית יותר.
  • המחברים מדווחים על יציבות לאורך זמן ומשווים את המודל לגישות קיימות של למידה עמוקה.
  • התיאור הזמין משמיט מדדים ופרטי נתונים הדרושים להערכת מידת ההכללה הרחבה.

תגיות

הטקסט המלא
# Deep Recurrent Modelling of Stationary Bitcoin Price Formation Using the Order Flow


# Deep Recurrent Modelling of Stationary Bitcoin Price Formation Using the Order Flow









In this paper we propose a deep recurrent model based on the order flow for the stationary modelling of the high-frequency directional prices movements. The order flow is the microsecond stream of orders arriving at the exchange, driving the formation of prices seen on the price chart of a stock or currency. To test the stationarity of our proposed model we train our model on data before the 2017 Bitcoin bubble period and test our model during and after the bubble. We show that without any retraining, the proposed model is temporally stable even as Bitcoin trading shifts into an extremely volatile "bubble trouble" period. The significance of the result is shown by benchmarking against existing state-of-the-art models in the literature for modelling price formation using deep learning.

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.