बहु-समय-सीमा न्यूरल ट्रेडिंग और उच्च-आवृत्ति क्रिप्टो संकेत

सारांश

यह दस्तावेज़ ऐसी क्रिप्टोकरेंसी ट्रेडिंग प्रणाली बताता है जो कई समय-सीमाओं की रुझान जानकारी को निकट-अवधि की कीमत दिशा का पूर्वानुमान करने वाले न्यूरल नेटवर्क के साथ जोड़ती है। यह बाज़ार कीमतों, ऑन-चेन मापों और ऑर्डर-बुक गतिविधि को खरीद और बिक्री दबाव संकेतों के साझा समूह में लाता है, जिसका उद्देश्य तेज़ ट्रेडिंग निर्णयों में मदद करना है। प्रस्तावित तरीका समय-सीमाओं के बीच संकेत जोड़ने और उच्च-आवृत्ति निष्पादन का मार्गदर्शन करने के लिए सांख्यिकीय मॉडलिंग का उपयोग करता है।

दस्तावेज़ का दावा है कि प्रणाली सकारात्मक जोखिम-समायोजित प्रतिफल हासिल करती है और सांख्यिकीय विश्वास के साथ एक सेकंड से कम समय में निर्णय ले सकती है। हालाँकि, दिए गए विवरण में डेटा अवधि, परिसंपत्ति सूची, बेंचमार्क, विस्तृत प्रदर्शन माप या सत्यापन प्रक्रिया नहीं है। इसलिए यह मॉडलिंग तरीका और उसके अपेक्षित लाभ बताता है, लेकिन परिणाम कितने मज़बूत हैं या उनमें ट्रेडिंग लागत और बदलती बाज़ार स्थितियाँ शामिल हैं या नहीं, इसका आकलन करने के लिए पर्याप्त साक्ष्य नहीं देता।

मुख्य विचार

• यह प्रणाली कई समय-सीमाओं के रुझान विश्लेषण को अल्पकालिक दिशा पूर्वानुमान के लिए न्यूरल नेटवर्क के साथ जोड़ती है।
• यह बाज़ार डेटा, ऑन-चेन माप और ऑर्डर-बुक गतिशीलता को ट्रेडिंग दबाव संकेतों में जोड़ती है।
• यह तरीका क्रिप्टोकरेंसी बाज़ारों में एक सेकंड से कम समय में निर्णय लेने में मदद के लिए बनाया गया है।
• विवरण सकारात्मक जोखिम-समायोजित प्रतिफल का दावा करता है, लेकिन स्वतंत्र मूल्यांकन के लिए कोई जानकारी नहीं देता।

टैग

# 2508.02356


# Neural Network-Based Algorithmic Trading Systems: Multi-Timeframe Analysis and High-Frequency Execution in Cryptocurrency Markets









This paper explores neural network-based approaches for algorithmic trading in cryptocurrency markets. Our approach combines multi-timeframe trend analysis with high-frequency direction prediction networks, achieving positive risk-adjusted returns through statistical modeling and systematic market exploitation. The system integrates diverse data sources including market data, on-chain metrics, and orderbook dynamics, translating these into unified buy/sell pressure signals. We demonstrate how machine learning models can effectively capture cross-timeframe relationships, enabling sub-second trading decisions with statistical confidence.

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।