Fluxo comparativo para avaliar estratégias de trading em ações e cripto

Resumo

O documento apresenta um fluxo geral para projetar, implementar e avaliar estratégias de trading algorítmico nos mercados de ações e cripto. Usa quatro exemplos: cruzamento de médias móveis, uma abordagem de execução ponderada por volume, trading baseado em sentimento e arbitragem estatística. O objetivo é tornar o desenvolvimento e a comparação de estratégias mais sistemáticos, com uma implementação orientada a objetos destinada a apoiar pesquisas futuras e o uso prático.

O resumo descreve o fluxo e as estratégias usadas como exemplos, mas não apresenta resultados de desempenho, conjuntos de dados, métricas de avaliação ou detalhes de implementação. Portanto, indica como a estrutura está organizada, sem estabelecer qual abordagem funciona melhor nem se alguma estratégia é rentável. A discussão também não trata especificamente de custos de transação, regimes de mercado ou controles de risco, então seriam necessárias mais evidências antes de concluir que as abordagens são adequadas ao mundo real.

Ideias principais

• Um fluxo comum pode organizar o projeto e a avaliação de estratégias nos mercados de ações e cripto.
• O estudo ilustra seu processo com quatro métodos que abrangem sinais técnicos, execução, sentimento e relações estatísticas.
• Uma estrutura de avaliação consistente pode tornar mais sistemática a comparação entre abordagens de trading.
• O resumo não relata desempenho empírico nem detalhes metodológicos suficientes para avaliar a eficácia prática.

Tags

# A Data Science Pipeline for Algorithmic Trading: A Comparative Study of Applications for Finance and Cryptoeconomics


# A Data Science Pipeline for Algorithmic Trading: A Comparative Study of Applications for Finance and Cryptoeconomics









Recent advances in Artificial Intelligence (AI) have made algorithmic trading play a central role in finance. However, current research and applications are disconnected information islands. We propose a generally applicable pipeline for designing, programming, and evaluating the algorithmic trading of stock and crypto assets. Moreover, we demonstrate how our data science pipeline works with respect to four conventional algorithms: the moving average crossover, volume-weighted average price, sentiment analysis, and statistical arbitrage algorithms. Our study offers a systematic way to program, evaluate, and compare different trading strategies. Furthermore, we implement our algorithms through object-oriented programming in Python3, which serves as open-source software for future academic research and applications.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.