短期暗号資産取引におけるサポートベクターマシン
記事 arXiv papers · 著者: David Zhao et al.
サマリー
本研究では、過去の価格とテクニカル指標を用いて、ビットコイン、イーサリアム、ライトコインの短期的な値動きを分類します。1時間先の上昇・下落を特定する分類手法を比較し、陽性的中率と陰性的中率の成績を報告します。次に、予測を売買判断に変換し、取引環境を再現するよう設計されたバックテスターで評価します。
比較対象の手法では、サポートベクターマシンが最も収益性の高い戦略を生み、2018年1月に始まる所定の評価期間中、3資産すべてで報告された戦略の平均成績が市場を上回りました。これらの結果は、選定された暗号資産、過去のサンプル、指標、予測期間、バックテストの仮定に限られます。取引コストの設定、モデルの仕様、リスク調整後の成績などの詳細は説明されていないため、報告結果だけでは、別の期間や実運用で戦略がどう機能するかは分かりません。
主なアイデア
- 暗号資産の過去の価格からテクニカル指標を作成し、1時間先の価格方向を予測します。
- 陽性的中率と陰性的中率の指標を用いて分類器を評価します。
- 予測を売買判断に変換し、取引を想定したバックテスターで評価します。
- 報告された戦略収益では、検証した手法の中でサポートベクターマシンが最も高い成績を示します。
- 市場を上回る成績の報告は、ビットコイン、イーサリアム、ライトコインおよび検証対象の過去の期間に限られます。
タグ
全文
# Cryptocurrency Price Prediction and Trading Strategies Using Support Vector Machines # Cryptocurrency Price Prediction and Trading Strategies Using Support Vector Machines Few assets in financial history have been as notoriously volatile as cryptocurrencies. While the long term outlook for this asset class remains unclear, we are successful in making short term price predictions for several major crypto assets. Using historical data from July 2015 to November 2019, we develop a large number of technical indicators to capture patterns in the cryptocurrency market. We then test various classification methods to forecast short-term future price movements based on these indicators. On both PPV and NPV metrics, our classifiers do well in identifying up and down market moves over the next 1 hour. Beyond evaluating classification accuracy, we also develop a strategy for translating 1-hour-ahead class predictions into trading decisions, along with a backtester that simulates trading in a realistic environment. We find that support vector machines yield the most profitable trading strategies, which outperform the market on average for Bitcoin, Ethereum and Litecoin over the past 22 months, since January 2018.
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。