Сравнение машинного обучения и технических сигналов для торговли биткоином

Сводка

В исследовании сравниваются две модели машинного обучения, LightGBM и LSTM, с двумя стратегиями на основе индикаторов для биткоина: пересечением экспоненциальных скользящих средних и сочетанием MACD с ADX. Сравнение проводится в контексте получения первыми спотовыми биржевыми фондами на биткоин одобрения регулирующих органов США в январе 2024. Заявленная цель — оценить эффективность этих сигналов при торговле биткоином.

В документе сообщается, что стратегия LSTM принесла совокупную доходность около 65.23% менее чем за год и превзошла другие модели, технические стратегии и подход «купить и держать» за рассмотренный период. Этот единичный результат не доказывает, что модель будет обобщаться: в документе не описаны набор данных, схема проверки, торговые издержки, доходность с поправкой на риск или меры защиты от переобучения. Поэтому сравнение содержит утверждение о результативности за ограниченный период исследования, но не дает достаточно подробностей, чтобы оценить повторяемость результата или пригодность модели для развертывания.

Ключевые идеи

• В сравнении участвуют модели LightGBM и LSTM, а также стратегии на основе пересечения EMA и сочетания MACD с ADX.
• Стратегии оцениваются для биткоина; поводом для исследования стало одобрение спотовых биржевых фондов на биткоин в США.
• В документе сообщается, что за период исследования LSTM показала наибольшую совокупную доходность среди перечисленных подходов.
• Одна лишь заявленная доходность не показывает, как результат меняется после учета издержек или при других методах проверки.
• В документе недостаточно методологических подробностей, чтобы оценить повторяемость результата или риск переобучения.

Теги

# Technical Analysis Meets Machine Learning: Bitcoin Evidence


# Technical Analysis Meets Machine Learning: Bitcoin Evidence









In this note, we compare Bitcoin trading performance using two machine learning models-Light Gradient Boosting Machine (LightGBM) and Long Short-Term Memory (LSTM)-and two technical analysis-based strategies: Exponential Moving Average (EMA) crossover and a combination of Moving Average Convergence/Divergence with the Average Directional Index (MACD+ADX). The objective is to evaluate how trading signals can be used to maximize profits in the Bitcoin market. This comparison was motivated by the U.S. Securities and Exchange Commission's (SEC) approval of the first spot Bitcoin exchange-traded funds (ETFs) on 2024-01-10. Our results show that the LSTM model achieved a cumulative return of approximately 65.23% in under a year, significantly outperforming LightGBM, the EMA and MACD+ADX strategies, as well as the baseline buy-and-hold. This study highlights the potential for deeper integration of machine learning and technical analysis in the rapidly evolving cryptocurrency landscape.

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.