Aprendizado de máquina para prever preços de índice de criptomoedas e ativos componentes
Resumo
O artigo aplica métodos de aprendizado de máquina para prever preços de fechamento de um índice de criptomoedas e de nove criptomoedas que o compõem. Ele afirma que vários algoritmos e modelos são comparados para identificar a abordagem de melhor desempenho e que o trabalho também é comparado com estudos relacionados. A motivação declarada é estudar as flutuações de preços em um mercado volátil e explorar possíveis usos para trading e gestão de carteiras de criptomoedas.
Os autores relatam que sua melhor abordagem produz resultados que descrevem como superiores ou competitivos em relação a trabalhos anteriores. No entanto, a descrição fornecida não identifica os algoritmos, as fontes de dados, o horizonte de previsão, as métricas de avaliação nem os resultados específicos. Também não explica se as previsões são avaliadas como sinais de trading após custos ou como se comportam em diferentes condições de mercado. Portanto, o texto estabelece a tarefa de previsão e uma afirmação comparativa ampla, mas oferece detalhes insuficientes para avaliar a confiabilidade preditiva ou o valor prático para trading.
Ideias principais
- O estudo prevê preços de fechamento de um índice de criptomoedas e de nove ativos componentes.
- Ele compara vários modelos de aprendizado de máquina para selecionar uma abordagem de previsão preferida.
- Os autores comparam os resultados relatados com estudos de previsão relacionados.
- A descrição fornecida omite detalhes dos modelos, dados, métricas de avaliação e testes de trading.
Tags
Texto completo
# Predicting and Forecasting the Price of Constituents and Index of Cryptocurrency Using Machine Learning # Predicting and Forecasting the Price of Constituents and Index of Cryptocurrency Using Machine Learning At present, cryptocurrencies have become a global phenomenon in financial sectors as it is one of the most traded financial instruments worldwide. Cryptocurrency is not only one of the most complicated and abstruse fields among financial instruments, but it is also deemed as a perplexing problem in finance due to its high volatility. This paper makes an attempt to apply machine learning techniques on the index and constituents of cryptocurrency with a goal to predict and forecast prices thereof. In particular, the purpose of this paper is to predict and forecast the close (closing) price of the cryptocurrency index 30 and nine constituents of cryptocurrencies using machine learning algorithms and models so that, it becomes easier for people to trade these currencies. We have used several machine learning techniques and algorithms and compared the models with each other to get the best output. We believe that our work will help reduce the challenges and difficulties faced by people, who invest in cryptocurrencies. Moreover, the obtained results can play a major role in cryptocurrency portfolio management and in observing the fluctuations in the prices of constituents of cryptocurrency market. We have also compared our approach with similar state of the art works from the literature, where machine learning approaches are considered for predicting and forecasting the prices of these currencies. In the sequel, we have found that our best approach presents better and competitive results than the best works from the literature thereby advancing the state of the art. Using such prediction and forecasting methods, people can easily understand the trend and it would be even easier for them to trade in a difficult and challenging financial instrument like cryptocurrency.
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.