Сравнительный процесс оценки стратегий для акций и криптовалют

Сводка

В документе представлен общий процесс разработки, реализации и оценки стратегий алгоритмической торговли на рынках акций и криптовалют. Рассматриваются четыре примера: пересечение скользящих средних, исполнение с учётом объёма, торговля на основе настроений и статистический арбитраж. Цель — сделать разработку и сравнение стратегий более систематичными; объектно-ориентированная реализация задумана как основа для дальнейших исследований и практического применения.

В аннотации описаны процесс и примеры стратегий, но нет результатов эффективности, наборов данных, метрик оценки или деталей реализации. Поэтому она показывает организацию схемы, но не устанавливает, какой подход работает лучше и прибыльна ли какая-либо стратегия. В обсуждении также нет конкретного анализа транзакционных издержек, рыночных режимов или контроля риска, поэтому для выводов о применимости в реальных условиях нужны дополнительные данные.

Ключевые идеи

• Единый процесс помогает организовать разработку и оценку стратегий на рынках акций и криптовалют.
• Работа иллюстрирует свой процесс четырьмя методами: пересечением скользящих средних, исполнением с учётом объёма, торговлей на основе настроений и статистическим арбитражем.
• Единая схема оценки может сделать сравнение торговых подходов более систематичным.
• В аннотации нет эмпирических результатов или достаточных методологических подробностей для оценки практической эффективности.

Теги

# 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.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.