ビットコイン取引の機械学習モデルとテクニカル指標を比較
記事 arXiv papers · 著者: José Ángel Islas Anguiano et al.
サマリー
この研究では、機械学習モデルのLightGBMとLSTMを、ビットコインを対象とする2つの指標ベースの戦略、すなわち指数移動平均のクロスオーバー戦略と、MACDとADXを組み合わせた戦略と比較しています。比較は、2024年1月に米国の規制当局から初めて承認を受けたビットコイン現物上場投資信託を背景として行われています。目的は、これらのシグナルがビットコイン取引でどのような成績を示すかを評価することです。
資料によると、LSTM戦略は1年未満で約65.23%の累積リターンを上げ、対象期間ではほかのモデル、テクニカル戦略、バイ・アンド・ホールドを上回りました。この単一の報告結果だけでは、モデルが汎化するとはいえません。資料にはデータセット、検証設計、取引コスト、リスク調整後リターン、過剰適合を防ぐ対策の説明がありません。したがって、この比較は限定された研究期間の成績を示す主張であり、結果が再現可能か、実運用に適するかを判断するには情報が不足しています。
主なアイデア
- LightGBMとLSTMのモデルに加え、EMAクロスオーバー戦略とMACDとADXの組み合わせ戦略を比較します。
- 米国での現物ビットコインETF承認を背景に、ビットコイン取引の戦略を評価します。
- 資料は、対象期間に列挙した手法の中でLSTMが最も高い累積リターンを記録したと報告しています。
- 報告されたリターンだけでは、コストや異なる検証方法を考慮した場合に結果がどう変わるかは分かりません。
- 再現性や過剰適合リスクを評価するための方法論の詳細が不足しています。
タグ
全文
# 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.
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。