본문으로 건너뛰기
라이브러리 문서 전체

단기 암호화폐 트레이딩을 위한 서포트 벡터 머신

기사 arXiv papers · 저자: David Zhao et al.
원문 읽기

요약

과거 가격과 기술 지표를 사용해 비트코인, 이더리움, 라이트코인의 단기 가격 움직임을 분류합니다. 한 시간 구간에서 상승과 하락을 식별하는 분류 기법의 능력을 비교하고 양성·음성 예측값에 대한 성능을 보고합니다. 이어 예측을 트레이딩 결정으로 변환하고 거래 조건을 나타내도록 설계된 백테스터로 해당 결정을 평가합니다.

검토한 방법 중 서포트 벡터 머신이 가장 수익성 높은 전략을 만들었으며, 보고된 전략은 2018년 1월에 시작하는 평가 기간 동안 세 자산 모두에서 평균적으로 시장을 웃돌았습니다. 이 결과는 선택된 암호화폐, 과거 표본, 지표, 예측 구간 및 백테스트 가정에 한정됩니다. 설명에는 거래 비용 설정, 모델 사양, 위험조정 성과 등의 세부사항이 없어, 보고된 결과만으로 다른 기간이나 실거래에서 전략이 어떻게 작동할지 입증할 수 없습니다.

핵심 아이디어

  • 암호화폐 과거 가격에서 기술 지표를 만들고 한 시간 뒤 가격 방향을 예측합니다.
  • 양성·음성 예측값 지표로 분류기를 평가합니다.
  • 예측을 트레이딩 결정으로 바꾼 뒤 거래 중심 백테스터로 평가합니다.
  • 테스트한 방법 중 서포트 벡터 머신의 보고된 전략 수익성이 가장 높았습니다.
  • 보고된 시장 초과성과는 비트코인, 이더리움, 라이트코인과 테스트한 과거 기간에 한정됩니다.

태그

가상자산머신러닝기술 지표백테스트
전문
# Cryptocurrency Price Prediction and Trading Strategies Using Support Vector Machines


# Cryptocurrency Price Prediction and Trading Strategies Using Support Vector Machines









Few assets in financial history have been as notoriously volatile as cryptocurrencies. While the long term outlook for this asset class remains unclear, we are successful in making short term price predictions for several major crypto assets. Using historical data from July 2015 to November 2019, we develop a large number of technical indicators to capture patterns in the cryptocurrency market. We then test various classification methods to forecast short-term future price movements based on these indicators. On both PPV and NPV metrics, our classifiers do well in identifying up and down market moves over the next 1 hour. Beyond evaluating classification accuracy, we also develop a strategy for translating 1-hour-ahead class predictions into trading decisions, along with a backtester that simulates trading in a realistic environment. We find that support vector machines yield the most profitable trading strategies, which outperform the market on average for Bitcoin, Ethereum and Litecoin over the past 22 months, since January 2018.

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

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