حصص اور کرپٹو ٹریڈنگ اسٹریٹیجیوں کے جائزے کا تقابلی خاکہ

خلاصہ

یہ دستاویز حصص اور کرپٹو بازاروں میں الگورتھمک ٹریڈنگ اسٹریٹیجیاں بنانے، نافذ کرنے اور جانچنے کا عمومی طریقۂ کار پیش کرتی ہے۔ اس میں چار مثالیں شامل ہیں: موونگ ایوریج کراس اوور، حجم کے لحاظ سے وزنی عمل درآمد، جذبات پر مبنی ٹریڈنگ، اور شماریاتی آربٹریج۔ مقصد اسٹریٹیجی کی تیاری اور موازنے کو زیادہ منظم بنانا ہے، جبکہ آبجیکٹ اورینٹڈ نفاذ کو آئندہ تحقیق اور عملی استعمال میں مدد کے لیے بنایا گیا ہے۔

خلاصہ طریقۂ کار اور اس کی مثالی اسٹریٹیجیاں بیان کرتا ہے، لیکن کارکردگی کے نتائج، ڈیٹاسیٹس، جائزے کے پیمانے یا نفاذ کی تفصیلات نہیں دیتا۔ اس سے خاکے کی تنظیم تو معلوم ہوتی ہے، مگر یہ ثابت نہیں ہوتا کہ کون سا طریقہ بہتر ہے یا کوئی اسٹریٹیجی منافع بخش ہے۔ بحث میں لین دین کے اخراجات، بازاری ادوار یا خطرے کے انتظام کے اقدامات کا مخصوص تجزیہ بھی نہیں، اس لیے حقیقی دنیا میں موزونیت کے بارے میں نتیجہ اخذ کرنے سے پہلے مزید شواہد درکار ہوں گے۔

اہم خیالات

• ایک مشترک طریقۂ کار حصص اور کرپٹو بازاروں میں اسٹریٹیجیوں کی تیاری اور جانچ منظم کر سکتا ہے۔
• مطالعہ تکنیکی اشاروں، عمل درآمد، جذبات اور شماریاتی تعلقات پر مبنی چار طریقوں سے عمل کی مثال دیتا ہے۔
• جائزے کا یکساں ڈھانچا ٹریڈنگ طریقوں کے موازنے کو زیادہ منظم بنا سکتا ہے۔
• خلاصہ عملی افادیت جانچنے کے لیے تجرباتی کارکردگی یا کافی طریقۂ کار کی تفصیل نہیں دیتا۔

ٹیگز

# 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.

ماخذ کا حوالہ دیتے ہوئے مکمل متن دکھایا گیا ہے، ماخذ کے لائسنس کے تحت۔ لائسنس: abstract CC0

یہ خلاصہ اصل ماخذ سے Stratmill کے تحقیقی ایجنٹ نے لکھا ہے؛ یہ ماخذ کی نقل نہیں۔