コンテンツへスキップ
ライブラリの全資料

PCAと正準相関によるEthereumリターン予測

記事 arXiv papers · 著者: Hugo Inzirillo et al.
原文を読む

サマリー

本論文は、BitcoinとEthereumの関係分析およびEthereumリターンの予測に、次元削減手法を評価しています。データセットには対数リターンと追加の共変量を用いています。著者らはまず、2つの暗号資産の関連性を予備的に測る指標としてPearson相関を用い、続いて正準相関分析と主成分分析によりデータの次元を削減して、資産間の関係を調べています。

予測課題では、Bitcoinの特徴量からEthereumのリターンを予測し、統計手法の性能を測定しています。提示された説明には研究設計が記されていますが、予測スコア、サンプル日付、モデルの詳細、ベースラインとの比較はありません。そのため、評価した手法は分かりますが、次元削減が予測を改善したか、分析対象を超えて関係が一般化するかは示されていません。焦点は2つの暗号資産の統計的な関連とリターン予測であり、執行やリスク規則を備えた完全なトレード戦略ではありません。

主なアイデア

  • 対数リターンと追加の共変量を用いて、BitcoinとEthereumの関連を調べています。
  • 2資産間の関係を初期評価するため、Pearson相関を用いています。
  • 次元削減に正準相関分析と主成分分析を用いています。
  • Bitcoinの特徴量を用いてEthereumのリターンを予測しています。
  • 提示された説明には予測スコアがなく、手法が予測を改善するかは立証されていません。

タグ

暗号資産統計機械学習バックテスト
全文
# Dimensionality reduction for prediction: Application to Bitcoin and Ethereum


# Dimensionality reduction for prediction: Application to Bitcoin and Ethereum









The objective of this paper is to assess the performances of dimensionality reduction techniques to establish a link between cryptocurrencies. We have focused our analysis on the two most traded cryptocurrencies: Bitcoin and Ethereum. To perform our analysis, we took log returns and added some covariates to build our data set. We first introduced the pearson correlation coefficient in order to have a preliminary assessment of the link between Bitcoin and Ethereum. We then reduced the dimension of our data set using canonical correlation analysis and principal component analysis. After performing an analysis of the links between Bitcoin and Ethereum with both statistical techniques, we measured their performance on forecasting Ethereum returns with Bitcoin s features.

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。