본문으로 건너뛰기
라이브러리 문서 전체

온체인 데이터로 가상자산 위험과 가격 요인 분류

기사 arXiv papers · 저자: Abdulrezzak Zekiye et al.
원문 읽기

요약

이 연구는 가상자산 온체인 지표가 가격을 설명하고 위험 자산을 구분하는 데 도움이 되는지 살펴봅니다. 과거 데이터를 분석하고 가격과 다른 변수 간 상관관계를 측정하며, 클러스터링으로 가상자산을 묶고 분류 알고리즘으로 위험 여부를 표시합니다. 이 클러스터는 투자자가 비슷한 온체인 특성을 가진 다른 코인과 비교할 수 있도록 하는 것이 목적입니다.

보고된 자료에 따르면 암호화폐의 39%가 사라졌고, 10%는 1,000일 넘게 존속했습니다. 가격은 최대 공급량 및 총공급량과 유의한 음의 상관관계를 보였고, 24시간 거래량과는 약한 양의 상관관계를 보였습니다. 군집 분석에서는 다섯 그룹이 도출되었으며, 위험 분류에서 가장 높은 보고 F1 점수는 최근접 이웃 알고리즘을 사용한 76%였습니다. 이는 과거의 연관성과 분류 결과이며, 해당 특성이 가격 변화를 일으킨다거나 미래 위험 탐지를 보장한다는 증거는 아닙니다. 발췌문에는 표본 구성, 검증 설계 또는 시장 상황 변화에 따른 성능이 설명되어 있지 않습니다.

핵심 아이디어

  • 과거 온체인 지표로 가상자산 가격과 위험 분류를 분석합니다.
  • 최대 공급량과 총공급량은 가격과 유의한 음의 상관관계를 보인다고 보고됩니다.
  • 24시간 거래량은 가격과 약한 양의 상관관계를 보입니다.
  • 클러스터링은 온체인 매개변수에 따라 가상자산을 다섯 그룹으로 나눕니다.
  • 최근접 이웃 알고리즘은 위험 분류에서 F1점으로 가장 높은 명시 76% 점수를 기록합니다.

태그

가상자산온체인 데이터머신러닝통계리스크 관리
전문
# AI-Assisted Investigation of On-Chain Parameters: Risky Cryptocurrencies and Price Factors


# AI-Assisted Investigation of On-Chain Parameters: Risky Cryptocurrencies and Price Factors









Cryptocurrencies have become a popular and widely researched topic of interest in recent years for investors and scholars. In order to make informed investment decisions, it is essential to comprehend the factors that impact cryptocurrency prices and to identify risky cryptocurrencies. This paper focuses on analyzing historical data and using artificial intelligence algorithms on on-chain parameters to identify the factors affecting a cryptocurrency's price and to find risky cryptocurrencies. We conducted an analysis of historical cryptocurrencies' on-chain data and measured the correlation between the price and other parameters. In addition, we used clustering and classification in order to get a better understanding of a cryptocurrency and classify it as risky or not. The analysis revealed that a significant proportion of cryptocurrencies (39%) disappeared from the market, while only a small fraction (10%) survived for more than 1000 days. Our analysis revealed a significant negative correlation between cryptocurrency price and maximum and total supply, as well as a weak positive correlation between price and 24-hour trading volume. Moreover, we clustered cryptocurrencies into five distinct groups using their on-chain parameters, which provides investors with a more comprehensive understanding of a cryptocurrency when compared to those clustered with it. Finally, by implementing multiple classifiers to predict whether a cryptocurrency is risky or not, we obtained the best f1-score of 76% using K-Nearest Neighbor.

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

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