본문으로 건너뛰기
라이브러리 문서 전체

신뢰도 기반 위험 통제를 적용한 비트코인 방향 예측

기사 arXiv papers · 저자: Nathan Crone et al.
원문 읽기

요약

이 연구는 비트코인 네트워크 내부 데이터와 외부 특성을 여러 머신러닝 모형에 사용해 일별 가격 방향을 예측합니다. 2021년 1분기에 수집한 미관측 데이터를 이용해 트레이딩 전략으로 예측을 평가합니다. 이진 신호는 3개월 테스트 기간에 매수 후 보유와 비슷한 수익률을 낸 것으로 보고됩니다.

이 전략은 예측 신뢰도를 위험 감수 성향 입력값으로도 사용해 모형의 확신 정도에 따라 거래 결정을 조정합니다. 저자들은 이 방식이 해당 기간에 매수 후 보유보다 나은 성과를 냈다고 보고합니다. 결과는 단일 자산과 짧은 과거 평가 기간에 한정되며, 발췌문에는 비용, 위험 조정 성과, 모형 선택 또는 다른 국면에서의 강건성에 관한 세부 정보가 없습니다. 따라서 보고된 결과는 추가 테스트의 필요성을 시사할 뿐, 지속적인 실거래 성과를 입증하지 않습니다.

핵심 아이디어

  • 모형은 비트코인 네트워크 특성과 외부 입력값을 결합해 일별 방향을 분류합니다.
  • 2021년 1분기의 미관측 데이터를 대상으로 트레이딩 전략의 성과를 평가합니다.
  • 예측 신뢰도에 따라 위험 감수 성향을 조정하면 매수 후 보유보다 나은 결과를 낸 것으로 보고됩니다.
  • 짧은 단일 기간의 평가는 다른 시장 국면이나 실거래에서의 강건성을 입증하지 않습니다.

태그

가상자산머신러닝리스크 관리백테스트온체인 데이터
전문
# Exploration of Algorithmic Trading Strategies for the Bitcoin Market


# Exploration of Algorithmic Trading Strategies for the Bitcoin Market









Bitcoin is firmly becoming a mainstream asset in our global society. Its highly volatile nature has traders and speculators flooding into the market to take advantage of its significant price swings in the hope of making money. This work brings an algorithmic trading approach to the Bitcoin market to exploit the variability in its price on a day-to-day basis through the classification of its direction. Building on previous work, in this paper, we utilise both features internal to the Bitcoin network and external features to inform the prediction of various machine learning models. As an empirical test of our models, we evaluate them using a real-world trading strategy on completely unseen data collected throughout the first quarter of 2021. Using only a binary predictor, at the end of our three-month trading period, our models showed an average profit of 86\%, matching the results of the more traditional buy-and-hold strategy. However, after incorporating a risk tolerance score into our trading strategy by utilising the model's prediction confidence scores, our models were 12.5\% more profitable than the simple buy-and-hold strategy. These results indicate the credible potential that machine learning models have in extracting profit from the Bitcoin market and act as a front-runner for further research into real-world Bitcoin trading.

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.