Машинное обучение для краткосрочного прогноза цен криптовалют

Сводка

В исследовании проверяется, можно ли использовать неэффективность рынка криптовалют для получения аномальной торговой прибыли. Оцениваются простые алгоритмические стратегии с машинным обучением на дневных наблюдениях по 1,681 криптовалютам с ноября 2015 по апрель 2018. Согласно приведённому сравнению, эти стратегии превосходят стандартные бенчмарки, что указывает на то, что относительно простые механизмы прогнозирования могут помочь предвидеть краткосрочные движения рынка.

В аннотации не указаны конкретные алгоритмы, признаки, бенчмарки или допущения о транзакционных издержках; численные показатели эффективности также не приводятся. Поэтому результат ограничен указанной в исследовании выборкой и периодом и не доказывает, что стратегии сохранят прибыльность при других рыночных условиях или после учёта торговых издержек. Работа представляет исторический тест торговли криптовалютами на основе машинного обучения; для оценки воспроизводимости и реализации нужны дополнительные сведения.

Ключевые идеи

• В исследовании проверяются стратегии краткосрочного прогноза цен криптовалют с применением машинного обучения.
• Используются дневные данные по 1,681 криптовалютам с ноября 2015 по апрель 2018.
• Согласно результатам, стратегии превосходят стандартные бенчмарки исследования.
• В аннотации не указаны алгоритмы, входные признаки или учёт транзакционных издержек.
• Заявленные выводы ограничены описанной исторической выборкой.

Теги

# 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.

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.