सामग्री पर जाएं
लाइब्रेरी के सभी दस्तावेज़

बिटकॉइन रिटर्न पूर्वानुमान में COVID-19 संकेतकों की जाँच

लेख arXiv papers · लेखक: Imen Mahmoud et al.
मूल स्रोत पढ़ें

सारांश

यह अध्ययन जाँचता है कि बिटकॉइन रिटर्न का पूर्वानुमान करते समय COVID-19 के स्वास्थ्य संकेतक पूर्वानुमान क्षमता बढ़ाते हैं या नहीं। इसमें महामारी-संबंधी विशेषताओं, जिनमें टीकाकरण, अस्पताल में भर्ती और परीक्षण के माप शामिल हैं, के साथ और बिना प्रशिक्षित LightGBM प्रतिगमन मॉडलों की तुलना की गई है। आनुवंशिक एल्गोरिदम 31 स्वतंत्र रनों में मॉडलों का अनुकूलन करता है और अध्ययन ओवरलैप विश्लेषण तथा Mann–Whitney U परीक्षणों से R², RMSE और MAE वितरणों की तुलना करता है। अलग-अलग इनपुट के योगदान का आकलन करने के लिए क्रमपरिवर्तन विशेषता महत्त्व का उपयोग किया जाता है।

रिपोर्ट किए गए परिणाम COVID-19 डेटा शामिल करने वाले मॉडलों के पक्ष में हैं: R² में 40% की वृद्धि हुई और RMSE में 2% की गिरावट आई; दोनों बदलाव अत्यधिक सांख्यिकीय रूप से महत्त्वपूर्ण बताए गए हैं। टीकाकरण के माप, विशेष रूप से पूरी तरह टीका लगाए गए लोगों का 75वाँ परसेंटाइल, प्रमुख स्थान पर रहे। साक्ष्य अध्ययन के डेटासेट और विन्यास में पूर्वानुमान प्रदर्शन से संबंधित है; यह स्थापित नहीं करता कि ये विशेषताएँ बिटकॉइन रिटर्न का कारण बनती हैं या लाइव ट्रेडिंग में सुधार करेंगी। दस्तावेज़ में नमूना अवधि, मॉडल सत्यापन डिज़ाइन या लेनदेन लागत की विस्तृत जानकारी नहीं है, इसलिए व्यावहारिक और नमूने-बाहर मूल्य का आकलन कठिन है।

मुख्य विचार

  • अध्ययन COVID-19 संकेतकों के साथ और बिना LightGBM बिटकॉइन रिटर्न मॉडलों की तुलना करता है।
  • एक आनुवंशिक एल्गोरिदम 31 स्वतंत्र रनों में मॉडलों का अनुकूलन करता है।
  • प्रदर्शन मापों की तुलना के लिए Mann–Whitney U परीक्षण और वितरण ओवरलैप का उपयोग किया जाता है।
  • क्रमपरिवर्तन विशेषता महत्त्व टीकाकरण के मापों को प्रमुख पूर्वानुमानकर्ताओं के रूप में पहचानता है।
  • रिपोर्ट किए गए लाभ अध्ययन-विन्यास में पूर्वानुमान सुधार दिखाते हैं, लाइव ट्रेडिंग मूल्य का प्रमाण नहीं।

टैग

क्रिप्टोमशीन लर्निंगसांख्यिकीबैकटेस्टिंग
पूरा पाठ
# 2508.00078


# Evaluating COVID 19 Feature Contributions to Bitcoin Return Forecasting: Methodology Based on LightGBM and Genetic Optimization









This study proposes a novel methodological framework integrating a LightGBM regression model and genetic algorithm (GA) optimization to systematically evaluate the contribution of COVID-19-related indicators to Bitcoin return prediction. The primary objective was not merely to forecast Bitcoin returns but rather to determine whether including pandemic-related health data significantly enhances prediction accuracy. A comprehensive dataset comprising daily Bitcoin returns and COVID-19 metrics (vaccination rates, hospitalizations, testing statistics) was constructed. Predictive models, trained with and without COVID-19 features, were optimized using GA over 31 independent runs, allowing robust statistical assessment. Performance metrics (R2, RMSE, MAE) were statistically compared through distribution overlaps and Mann-Whitney U tests. Permutation Feature Importance (PFI) analysis quantified individual feature contributions. Results indicate that COVID-19 indicators significantly improved model performance, particularly in capturing extreme market fluctuations (R2 increased by 40%, RMSE decreased by 2%, both highly significant statistically). Among COVID-19 features, vaccination metrics, especially the 75th percentile of fully vaccinated individuals, emerged as dominant predictors. The proposed methodology extends existing financial analytics tools by incorporating public health signals, providing investors and policymakers with refined indicators to navigate market uncertainty during systemic crises.

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।