본문으로 건너뛰기
라이브러리 문서 전체

비트코인 심리 지표와 기술 지표를 결합한 머신러닝

기사 arXiv papers · 저자: Arthur Emanuel de Oliveira Carosia
원문 읽기

요약

이 예비 연구는 시장 심리와 기술적 분석을 결합해 비트코인 가격 움직임을 예측할 수 있는지 살펴봅니다. 심리 지표로 공포·탐욕 지수를 기술 지표와 머신러닝 알고리즘에 함께 사용합니다. 연구 동기는 심리가 가격 변동과 연관되어 왔지만 심리 지표와 기술 지표를 결합한 연구는 상대적으로 적다는 점입니다. 저자들은 초기 실험에서 유망한 투자 수익을 내고 매수 후 보유 기준을 넘어섰다고 보고합니다. 제공된 설명에는 알고리즘, 지표, 데이터 기간, 검증 절차, 위험 조정 결과가 명시되지 않습니다. 따라서 이는 연구 방향과 초기 성과 주장을 제시할 뿐, 견고성이나 전략 재현 가능성 또는 실험 밖으로 결과가 일반화되는지를 판단하기에는 세부 정보가 부족합니다.

핵심 아이디어

  • 공포·탐욕 지수와 기술 지표를 결합해 비트코인 가격 움직임을 모델링합니다.
  • 암호화폐 예측을 살펴보기 위해 머신러닝 알고리즘을 사용합니다.
  • 저자들은 연구가 예비 단계라고 설명하며 매수 후 보유 기준을 넘는 수익을 보고합니다.
  • 제공된 설명에는 견고성을 평가하는 데 필요한 방법론과 검증 세부 정보가 없습니다.

태그

가상자산시장 심리기술 지표머신러닝백테스트
전문
# Using Sentiment and Technical Analysis to Predict Bitcoin with Machine Learning


# Using Sentiment and Technical Analysis to Predict Bitcoin with Machine Learning









Cryptocurrencies have gained significant attention in recent years due to their decentralized nature and potential for financial innovation. Thus, the ability to accurately predict its price has become a subject of great interest for investors, traders, and researchers. Some works in the literature show how Bitcoin's market sentiment correlates with its price fluctuations in the market. However, papers that consider the sentiment of the market associated with financial Technical Analysis indicators in order to predict Bitcoin's price are still scarce. In this paper, we present a novel approach for predicting Bitcoin price movements by combining the Fear & Greedy Index, a measure of market sentiment, Technical Analysis indicators, and the potential of Machine Learning algorithms. This work represents a preliminary study on the importance of sentiment metrics in cryptocurrency forecasting. Our initial experiments demonstrate promising results considering investment returns, surpassing the Buy & Hold baseline, and offering valuable insights about the combination of indicators of sentiment and market in a cryptocurrency prediction model.

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

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