بٹ کوائن ٹریڈنگ کے لیے مشین لرننگ اور تکنیکی اشاروں کا موازنہ

خلاصہ

اس مطالعے میں مشین لرننگ کے دو ماڈلز، LightGBM اور LSTM، کا بٹ کوائن کے لیے اشارے پر مبنی دو حکمتِ عملیوں سے موازنہ کیا گیا ہے: ایکسپونینشل موونگ ایوریج کراس اوور اور MACD کو ADX کے ساتھ ملانے والی حکمتِ عملی۔ یہ موازنہ جنوری 2024 میں امریکہ کی جانب سے پہلے اسپاٹ بٹ کوائن ایکسچینج ٹریڈڈ فنڈز کی منظوری کے تناظر میں پیش کیا گیا ہے۔ مطالعے کا بیان کردہ مقصد یہ جانچنا ہے کہ بٹ کوائن ٹریڈنگ میں یہ اشارے کیسی کارکردگی دکھاتے ہیں۔

دستاویز کے مطابق LSTM حکمتِ عملی نے ایک سال سے کم عرصے میں تقریباً 65.23% مجموعی منافع حاصل کیا اور زیرِ جائزہ مدت میں دوسرے ماڈلز، تکنیکی حکمتِ عملیوں اور خرید کر رکھ لینے سے بہتر کارکردگی دکھائی۔ صرف یہ رپورٹ شدہ نتیجہ ثابت نہیں کرتا کہ ماڈل دوسرے حالات میں بھی یکساں کارکردگی دکھائے گا: دستاویز میں ڈیٹا سیٹ، توثیق کے طریقۂ کار، ٹریڈنگ کے اخراجات، خطرے کے لحاظ سے ایڈجسٹ شدہ منافع یا اوورفٹنگ سے بچاؤ کے اقدامات بیان نہیں کیے گئے۔ لہٰذا یہ موازنہ ایک محدود مطالعاتی مدت کی کارکردگی کا دعویٰ پیش کرتا ہے، مگر اتنی تفصیل نہیں دیتا کہ نتیجہ دہرانے کے قابل یا عملی استعمال کے لیے موزوں ہے یا نہیں۔

اہم خیالات

• موازنے میں LightGBM اور LSTM ماڈلز کے ساتھ EMA کراس اوور اور MACD پلس ADX حکمتِ عملیاں شامل ہیں۔
• حکمتِ عملیوں کا جائزہ بٹ کوائن کے لیے لیا گیا، اور مطالعے کا محرک امریکہ کی جانب سے اسپاٹ بٹ کوائن ETF کی منظوری تھی۔
• دستاویز کے مطابق زیرِ مطالعہ مدت میں درج طریقوں میں LSTM نے سب سے زیادہ مجموعی منافع حاصل کیا۔
• صرف رپورٹ شدہ منافع سے یہ معلوم نہیں ہوتا کہ اخراجات یا مختلف توثیقی طریقوں کے بعد نتیجہ کیسے بدلتا ہے۔
• دستاویز میں اتنی طریقۂ کار کی تفصیل نہیں کہ نتیجے کی تکرار پذیری یا اوورفٹنگ کے خطرے کا جائزہ لیا جا سکے۔

ٹیگز

# 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.

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۔