Метод опорных векторов для краткосрочной торговли криптовалютами

Сводка

В исследовании используются исторические цены и технические индикаторы для классификации краткосрочных движений биткоина, эфира и лайткоина. Методы классификации сравниваются по способности определять рост и падение на горизонте в один час; приводятся показатели положительной и отрицательной прогностической ценности. Затем прогнозы преобразуются в торговые решения, которые оцениваются с помощью бэктестера, моделирующего условия торговли.

Среди рассмотренных методов машины опорных векторов обеспечивают наиболее прибыльные стратегии; в заявленный период оценки, начавшийся в январе 2018, стратегии в среднем опережают рынок по всем трём активам. Эти результаты ограничены выбранными криптовалютами, исторической выборкой, индикаторами, горизонтом прогноза и предположениями бэктеста. В описании нет подробностей о настройках транзакционных издержек, спецификациях моделей или доходности с поправкой на риск, поэтому одних этих результатов недостаточно, чтобы судить о работе стратегии в другие периоды или при реальной торговле.

Ключевые идеи

• В исследовании на основе истории цен криптовалют рассчитываются технические индикаторы для прогноза направления цены на час вперёд.
• Классификаторы оцениваются по показателям положительной и отрицательной прогностической ценности.
• Прогнозы преобразуются в торговые решения и оцениваются с помощью бэктестера, учитывающего условия торговли.
• Среди протестированных методов машины опорных векторов показывают наибольшую заявленную прибыльность стратегий.
• Заявленное опережение рынка относится к биткоину, эфиру, лайткоину и протестированному историческому периоду.

Теги

# Cryptocurrency Price Prediction and Trading Strategies Using Support Vector Machines


# Cryptocurrency Price Prediction and Trading Strategies Using Support Vector Machines









Few assets in financial history have been as notoriously volatile as cryptocurrencies. While the long term outlook for this asset class remains unclear, we are successful in making short term price predictions for several major crypto assets. Using historical data from July 2015 to November 2019, we develop a large number of technical indicators to capture patterns in the cryptocurrency market. We then test various classification methods to forecast short-term future price movements based on these indicators. On both PPV and NPV metrics, our classifiers do well in identifying up and down market moves over the next 1 hour. Beyond evaluating classification accuracy, we also develop a strategy for translating 1-hour-ahead class predictions into trading decisions, along with a backtester that simulates trading in a realistic environment. We find that support vector machines yield the most profitable trading strategies, which outperform the market on average for Bitcoin, Ethereum and Litecoin over the past 22 months, since January 2018.

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.