Классификация ценовых паттернов на рынках криптовалют и акций

Сводка

В исследовании выясняется, отличаются ли торговые решения инвесторов в криптовалюты от решений инвесторов в акции; для этого используются истории цен активов. Сначала несколько моделей машинного обучения классифицируют временные ряды криптовалют и акций, наблюдавшиеся за один и тот же период. Высокая точность классификации, о которой сообщают авторы, позволяет предположить, что ценовые паттерны двух групп различаются. Однако одна лишь классификация не устанавливает, чем вызваны различия и сохранятся ли они.

Затем авторы рассчитывают характеристики временных рядов, включая моменты распределения, экстремумы и автокорреляцию нескольких порядков, а также применяют логистическую регрессию, случайные леса, метод опорных векторов и другие классификаторы для оценки объясняющей силы этих характеристик. Результаты показывают, что признаки помогают разделить две группы активов. В документе не указаны параметры выборки, проверка вне выборки или конкретные значения точности, поэтому по этому резюме нельзя независимо оценить надёжность выявленных различий и их значение для торговли. Это сравнительный анализ, а не торговое правило и не свидетельство прибыльности.

Ключевые идеи

• Временные ряды цен позволяют отличить поведение криптовалют от поведения акций.
• Согласно исследованию, при классификации этих групп активов за один и тот же период достигается высокая точность.
• Статистики распределения и признаки автокорреляции помогают различать наблюдаемые различия паттернов.
• Среди проверенных моделей — логистическая регрессия, случайные леса и метод опорных векторов.
• Классификация выявляет различия, но не устанавливает их причины и не доказывает прибыльность.

Теги

# Classification-Based Analysis of Price Pattern Differences Between Cryptocurrencies and Stocks


# Classification-Based Analysis of Price Pattern Differences Between Cryptocurrencies and Stocks









Cryptocurrencies are digital tokens built on blockchain technology, with thousands actively traded on centralized exchanges (CEXs). Unlike stocks, which are backed by real businesses, cryptocurrencies are recognized as a distinct class of assets by researchers. How do investors treat this new category of asset in trading? Are they similar to stocks as an investment tool for investors? We answer these questions by investigating cryptocurrencies' and stocks' price time series which can reflect investors' attitudes towards the targeted assets. Concretely, we use different machine learning models to classify cryptocurrencies' and stocks' price time series in the same period and get an extremely high accuracy rate, which reflects that cryptocurrency investors behave differently in trading from stock investors. We then extract features from these price time series to explain the price pattern difference, including mean, variance, maximum, minimum, kurtosis, skewness, and first to third-order autocorrelation, etc., and then use machine learning methods including logistic regression (LR), random forest (RF), support vector machine (SVM), etc. for classification. The classification results show that these extracted features can help to explain the price time series pattern difference between cryptocurrencies and stocks.

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.