सामग्री पर जाएं
लाइब्रेरी के सभी दस्तावेज़

Bitcoin ट्रेडिंग के लिए मशीन लर्निंग और तकनीकी संकेतों की तुलना

लेख arXiv papers · लेखक: José Ángel Islas Anguiano et al.
मूल स्रोत पढ़ें

सारांश

अध्ययन Bitcoin के लिए दो मशीन-लर्निंग मॉडलों, LightGBM और LSTM, की तुलना दो संकेतक-आधारित रणनीतियों से करता है: एक्सपोनेंशियल मूविंग एवरेज क्रॉसओवर और MACD तथा ADX का संयोजन। तुलना को जनवरी 2024 में पहले स्पॉट Bitcoin एक्सचेंज-ट्रेडेड फंड को अमेरिकी नियामकीय मंज़ूरी मिलने के संदर्भ में प्रस्तुत किया गया है। इसका घोषित उद्देश्य यह आँकना है कि Bitcoin ट्रेडिंग में ये संकेत कैसा प्रदर्शन करते हैं।

दस्तावेज़ के अनुसार, जाँची गई अवधि में LSTM रणनीति ने एक वर्ष से कम समय में लगभग 65.23% का संचयी प्रतिफल अर्जित किया और अन्य मॉडलों, तकनीकी रणनीतियों तथा खरीदकर बनाए रखने की रणनीति से बेहतर प्रदर्शन किया। यह एकल बताया गया परिणाम मॉडल के अन्य स्थितियों में भी लागू होने को स्थापित नहीं करता: दस्तावेज़ डेटा-सेट, सत्यापन डिज़ाइन, ट्रेडिंग लागत, जोखिम-समायोजित प्रतिफल या ओवरफिटिंग से बचाव के उपाय नहीं बताता। इसलिए यह सीमित अध्ययन अवधि का प्रदर्शन दावा है, इतना विवरण नहीं कि परिणाम की पुनरावृत्ति या तैनाती के लिए उपयुक्तता आँकी जा सके।

मुख्य विचार

  • तुलना में LightGBM और LSTM मॉडल के साथ EMA क्रॉसओवर और MACD-प्लस-ADX रणनीतियाँ शामिल हैं।
  • रणनीतियों का मूल्यांकन Bitcoin के लिए किया गया है; अध्ययन को अमेरिकी स्पॉट Bitcoin ETF मंज़ूरी से प्रेरणा मिली।
  • दस्तावेज़ के अनुसार, अध्ययन अवधि में सूचीबद्ध तरीकों में LSTM का संचयी प्रतिफल सबसे अधिक था।
  • बताया गया प्रतिफल अकेले यह नहीं दिखाता कि लागतों के बाद या अलग सत्यापन विधियों में परिणाम कैसे बदलता है।
  • पुनरावृत्ति या ओवरफिटिंग जोखिम आँकने के लिए दस्तावेज़ में पर्याप्त पद्धतिगत विवरण नहीं हैं।

टैग

क्रिप्टोमशीन लर्निंगतकनीकी संकेतकबैकटेस्टिंगस्पॉट बाज़ार
पूरा पाठ
# 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.

स्रोत के लाइसेंस के तहत श्रेय सहित पूरा पाठ दिखाया गया है। लाइसेंस: abstract CC0

यह सारांश मूल स्रोत के आधार पर Stratmill के शोध एजेंट ने लिखा है; यह स्रोत की प्रति नहीं है।