コンテンツへスキップ
ライブラリの全資料

畳み込みオートエンコーダによる暗号資産市場レジームの分類

記事 arXiv papers · 著者: Vladimir Puzyrev
原文を読む

サマリー

この研究では、畳み込みオートエンコーダを使って暗号資産市場の主要なパターンを抽出し、40種類の暗号資産を分類します。155月2013に始まる連続した12の6か月期間を調べ、時間とともに生じる分類グループの変化を暗号資産市場の成熟と関連付けています。トレーダーにとっては、こうした変化するグループを市場構造の理解に役立て、投資や取引の判断に生かす可能性が提案されています。

この文書では手法、資産の範囲、観測期間を説明していますが、分類の詳細、検証指標、特定のレジームの結果、検証済みの取引ルールは示されていません。そのため、収益性のある戦略の証拠というより、暗号資産市場の変化を記述する探索的な機械学習の手法を提示しています。グループの変化は市場の成熟と結び付けられていますが、その解釈の根拠や、別のデータやモデルでも分類が安定するかは要約から分かりません。

主なアイデア

  • 畳み込みオートエンコーダで暗号資産市場の主要なパターンを抽出します。
  • 12の6か月期間にわたり、40種類の暗号資産をグループに分類します。
  • グループ構成の変化を市場の成熟との関係で解釈します。
  • 投資への応用可能性を示唆していますが、直接的な取引検証や報告された検証指標はありません。

タグ

暗号資産機械学習統計
全文
# Deep convolutional autoencoder for cryptocurrency market analysis


# Deep convolutional autoencoder for cryptocurrency market analysis









This study attempts to analyze patterns in cryptocurrency markets using a special type of deep neural networks, namely a convolutional autoencoder. The method extracts the dominant features of market behavior and classifies the 40 studied cryptocurrencies into several classes for twelve 6-month periods starting from 15th May 2013. Transitions from one class to another with time are related to the maturement of cryptocurrencies. In speculative cryptocurrency markets, these findings have potential implications for investment and trading strategies.

出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0

この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。