본문으로 건너뛰기
라이브러리 문서 전체

온체인 및 고래 데이터로 비트코인 변동성 급등 예측

기사 arXiv papers · 저자: Dorien Herremans et al.
원문 읽기

요약

이 논문은 온체인, 거래소, 채굴자 데이터를 포함한 CryptoQuant 신호와 고래 알림 게시물이 다음 날 비트코인 변동성, 특히 극단적인 급등을 예측하는 데 도움이 되는지 연구합니다. Synthesizer Transformer 예측 모델을 제안하고 기존 접근법과 성능을 비교합니다. 저자들은 이러한 데이터 소스를 사용할 때 모델이 극단적 변동성을 더 잘 예측한다고 보고하지만, 설명에는 표본 기간, 자산 시장 세부 사항, 수치 비교 결과가 없습니다.

연구는 어떤 입력이 중요한지 살펴보기 위해 특성 기여도 분석을 사용하고, 여러 기준 트레이딩 전략으로 예측을 백테스트합니다. 드로다운 감소와 꾸준한 수익을 보고하지만, 요약에는 구체적인 측정치, 전략 규칙, 거래 비용 세부 사항이 없습니다. 따라서 이 결과는 리스크 관리와 트레이딩의 잠재적 활용 가능성을 보여주지만, 시장 국면 전반이나 표본 외 상황에서 강건한지는 입증하지 않습니다.

핵심 아이디어

  • 예측 대상은 다음 날 비트코인 변동성이며, 특히 극단적 급등에 주목합니다.
  • 입력에는 CryptoQuant 데이터와 고래 알림 게시물이 포함됩니다.
  • Synthesizer Transformer가 극단적 변동성 예측에서 비교 모델보다 나은 성능을 보였다고 보고합니다.
  • 영향력 있는 입력을 살펴보는 데 특성 기여도 분석을 사용합니다.
  • 백테스트에서 드로다운 감소와 꾸준한 수익을 보고하지만 측정치나 강건성에 관한 세부 사항은 없습니다.

태그

가상자산변동성머신러닝온체인 데이터백테스트리스크 관리
전문
# Forecasting Bitcoin volatility spikes from whale transactions and CryptoQuant data using Synthesizer Transformer models


# Forecasting Bitcoin volatility spikes from whale transactions and CryptoQuant data using Synthesizer Transformer models









The cryptocurrency market is highly volatile compared to traditional financial markets. Hence, forecasting its volatility is crucial for risk management. In this paper, we investigate CryptoQuant data (e.g. on-chain analytics, exchange and miner data) and whale-alert tweets, and explore their relationship to Bitcoin's next-day volatility, with a focus on extreme volatility spikes. We propose a deep learning Synthesizer Transformer model for forecasting volatility. Our results show that the model outperforms existing state-of-the-art models when forecasting extreme volatility spikes for Bitcoin using CryptoQuant data as well as whale-alert tweets. We analysed our model with the Captum XAI library to investigate which features are most important. We also backtested our prediction results with different baseline trading strategies and the results show that we are able to minimize drawdown while keeping steady profits. Our findings underscore that the proposed method is a useful tool for forecasting extreme volatility movements in the Bitcoin market.

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

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