コンテンツへスキップ
ライブラリの全資料

日中ビットコインリターン予測のための関数型PCA

記事 arXiv papers · 著者: Joann Jasiak et al.
原文を読む

サマリー

この研究では、日中のビットコインリターン関数を予測するために、関数主成分分析（FPCA）を適用しています。関数観測と離散時間ダイナミクスを結び付けるものとしてKarhunen–Loève動的因子モデルを導入し、連続稼働市場向けに設計されたローリングFPCA手順を提案しています。予測には、時間単位および15分間隔でサンプリングしたリターンを使用しています。また、条件付き異分散性も検討し、分散の変化を考慮すると将来のリターン関数の区間予測が改善するとしています。

評価では、特定時点の予測を機械学習手法と従来型のARMAモデルと比較しています。報告結果によると、FPCAベースの手法は、特定時点での予測精度が良好で、方向予測もより優れています。説明には比較対象モデル名、評価期間や指標、取引コストが示されていません。したがって、証拠が示すのは予測性能であり、トレード戦略の収益性ではありません。

主なアイデア

  • ローリングFPCAを使い、日中ビットコインリターン関数を予測しています。
  • Karhunen–Loève動的因子モデルが、関数型分析と離散時間分析を結び付けています。
  • 本研究の結果では、条件付き異分散性のモデル化により区間予測が改善しています。
  • 評価では、時間単位と15分間隔のサンプルを用い、予測を機械学習手法およびARMA手法と比較しています。
  • FPCA手法は精度と方向予測で良好な結果を示していますが、説明では収益性を評価していません。

タグ

暗号資産統計機械学習ボラティリティ
全文
# Intraday Functional PCA Forecasting of Cryptocurrency Returns


# Intraday Functional PCA Forecasting of Cryptocurrency Returns









We study the Functional PCA (FPCA) forecasting method in application to functions of intraday returns on Bitcoin. We show that improved interval forecasts of future return functions are obtained when the conditional heteroscedasticity of return functions is taken into account. The Karhunen-Loeve (KL) dynamic factor model is introduced to bridge the functional and discrete time dynamic models. It offers a convenient framework for functional time series analysis. For intraday forecasting, we introduce a new algorithm based on the FPCA applied by rolling, which can be used for any data observed continuously 24/7. The proposed FPCA forecasting methods are applied to return functions computed from data sampled hourly and at 15-minute intervals. Next, the functional forecasts evaluated at discrete points in time are compared with the forecasts based on other methods, including machine learning and a traditional ARMA model. The proposed FPCA-based methods perform well in terms of forecast accuracy and outperform competitors in terms of directional (sign) of return forecasts at fixed points in time.

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。