Estratégias de aprendizado de máquina para previsão de curto prazo dos preços de criptomoedas

Resumo

Este estudo testa se as ineficiências do mercado de criptomoedas podem ser usadas para gerar lucros de trading anormais. Ele avalia estratégias algorítmicas simples com apoio de aprendizado de máquina, usando observações diárias de 1,681 criptomoedas, de novembro de 2015 a abril de 2018. A comparação relatada conclui que essas estratégias superam benchmarks padrão, sugerindo que mecanismos preditivos relativamente simples podem ajudar a antecipar movimentos de curto prazo do mercado.

O resumo não identifica os algoritmos específicos, as variáveis, os benchmarks ou as hipóteses sobre custos de transação e não apresenta números de desempenho. Portanto, o resultado relatado se limita à amostra e ao período declarados pelo estudo; ele não demonstra que as estratégias continuariam lucrativas em outras condições de mercado ou após os custos de trading. O trabalho é útil como teste histórico de trading de criptomoedas com base em aprendizado de máquina, mas são necessários mais detalhes para avaliar a reprodutibilidade e a implementação.

Ideias principais

• O estudo testa estratégias com apoio de aprendizado de máquina para prever preços de criptomoedas no curto prazo.
• Usa dados diários de 1,681 criptomoedas, de novembro de 2015 a abril de 2018.
• As estratégias relatadas superam os benchmarks padrão do estudo.
• O resumo não especifica algoritmos, variáveis de entrada nem o tratamento dos custos de transação.
• Os resultados declarados se limitam à amostra histórica descrita.

Tags

# Anticipating cryptocurrency prices using machine learning


# Anticipating cryptocurrency prices using machine learning









Machine learning and AI-assisted trading have attracted growing interest for the past few years. Here, we use this approach to test the hypothesis that the inefficiency of the cryptocurrency market can be exploited to generate abnormal profits. We analyse daily data for $1,681$ cryptocurrencies for the period between Nov. 2015 and Apr. 2018. We show that simple trading strategies assisted by state-of-the-art machine learning algorithms outperform standard benchmarks. Our results show that nontrivial, but ultimately simple, algorithmic mechanisms can help anticipate the short-term evolution of the cryptocurrency market.

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.