본문으로 건너뛰기
라이브러리 문서 전체

장중 비트코인 수익률 예측을 위한 함수형 PCA

기사 arXiv papers · 저자: Joann Jasiak et al.
원문 읽기

요약

이 연구는 함수형 주성분 분석(FPCA)을 적용해 장중 비트코인 수익률 함수를 예측합니다. 함수형 관측값과 이산시간 동학을 연결하는 Karhunen–Loève 동적 요인 모형을 소개하고, 연속 운영 시장에 맞춘 롤링 FPCA 절차를 제안합니다. 예측에는 시간별 및 15분 간격으로 표본화한 수익률을 사용합니다. 조건부 이분산성도 고려하며, 변동성 변화를 반영하면 미래 수익률 함수의 구간 예측이 개선된다고 봅니다.

평가에서는 특정 시점의 예측을 머신러닝 접근법 및 전통적인 ARMA 모형과 비교합니다. 보고된 결과는 FPCA 기반 방법의 예측 정확도가 양호하고 고정 시점의 방향 예측력이 더 강하다는 것을 보여줍니다. 설명에는 비교 대상 모형의 이름, 평가 기간이나 지표, 거래 비용이 제시되어 있지 않습니다. 따라서 근거는 예측 성능에 관한 것이며 트레이딩 전략의 수익성을 보여주지는 않습니다.

핵심 아이디어

  • 롤링 FPCA으로 장중 비트코인 수익률 함수를 예측합니다.
  • Karhunen–Loève 동적 요인 모형은 함수형 분석과 이산시간 분석을 연결합니다.
  • 보고된 연구에서 조건부 이분산성을 모델링하면 구간 예측이 개선됩니다.
  • 평가에는 시간별 및 15분 간격 표본을 사용하고, 예측을 머신러닝 및 ARMA 방법과 비교합니다.
  • FPCA 방법은 정확도와 방향 예측에서 좋은 결과를 보이지만, 설명에서는 수익성을 평가하지 않습니다.

태그

가상자산통계머신러닝변동성
전문
# Intraday Functional PCA Forecasting of Cryptocurrency Returns


# Intraday Functional PCA Forecasting of Cryptocurrency Returns









We study the Functional PCA (FPCA) forecasting method in application to functions of intraday returns on Bitcoin. We show that improved interval forecasts of future return functions are obtained when the conditional heteroscedasticity of return functions is taken into account. The Karhunen-Loeve (KL) dynamic factor model is introduced to bridge the functional and discrete time dynamic models. It offers a convenient framework for functional time series analysis. For intraday forecasting, we introduce a new algorithm based on the FPCA applied by rolling, which can be used for any data observed continuously 24/7. The proposed FPCA forecasting methods are applied to return functions computed from data sampled hourly and at 15-minute intervals. Next, the functional forecasts evaluated at discrete points in time are compared with the forecasts based on other methods, including machine learning and a traditional ARMA model. The proposed FPCA-based methods perform well in terms of forecast accuracy and outperform competitors in terms of directional (sign) of return forecasts at fixed points in time.

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

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