کرپٹو کرنسی انڈیکس اور اجزا کی قیمتوں کی پیش گوئی کے لیے مشین لرننگ
خلاصہ
یہ مقالہ کرپٹو کرنسی انڈیکس اور اس کے نو اجزا کی اختتامی قیمتوں کی پیش گوئی کے لیے مشین لرننگ کے طریقے استعمال کرتا ہے۔ اس میں کہا گیا ہے کہ بہتر کارکردگی والا طریقہ شناخت کرنے کے لیے کئی الگورتھمز اور ماڈلز کا موازنہ کیا گیا، اور کام کا متعلقہ مطالعات سے بھی موازنہ کیا گیا۔ بیان کردہ محرک اتار چڑھاؤ والی مارکیٹ میں قیمتوں کے تغیر کا مطالعہ اور ٹریڈنگ اور کرپٹو کرنسی پورٹ فولیو مینجمنٹ کے ممکنہ استعمالات کی کھوج ہے۔
مصنفین کے مطابق ان کا بہترین طریقہ ایسے نتائج دیتا ہے جنہیں وہ سابقہ کام سے بہتر یا اس کے ہم پلہ قرار دیتے ہیں۔ تاہم فراہم کردہ وضاحت میں الگورتھمز، ڈیٹا کے ذرائع، پیش گوئی کی مدت، جائزے کے پیمانے یا مخصوص نتائج کے نام نہیں دیے گئے۔ یہ بھی نہیں بتایا گیا کہ اخراجات کے بعد پیش گوئیوں کو ٹریڈنگ اشاروں کے طور پر جانچا گیا یا بدلتے مارکیٹ حالات میں ان کی کارکردگی کیسی رہی۔ اس لیے متن پیش گوئی کے کام اور عمومی تقابلی دعوے تو واضح کرتا ہے، مگر پیش گوئیوں کی قابلِ اعتماد ہونے یا عملی ٹریڈنگ کی افادیت جانچنے کے لیے کافی تفصیل نہیں دیتا۔
اہم خیالات
- مطالعہ کرپٹو کرنسی انڈیکس اور اس کے نو اجزا کے اختتامی قیمتوں کی پیش گوئی کرتا ہے۔
- یہ ترجیحی پیش گوئی کا طریقہ منتخب کرنے کے لیے کئی مشین لرننگ ماڈلز کا موازنہ کرتا ہے۔
- مصنفین اپنے رپورٹ شدہ نتائج کا متعلقہ پیش گوئی مطالعات سے موازنہ کرتے ہیں۔
- فراہم کردہ وضاحت میں ماڈل کی تفصیلات، ڈیٹا، جائزے کے پیمانے اور ٹریڈنگ ٹیسٹ شامل نہیں۔
ٹیگز
مکمل متن
# Predicting and Forecasting the Price of Constituents and Index of Cryptocurrency Using Machine Learning # Predicting and Forecasting the Price of Constituents and Index of Cryptocurrency Using Machine Learning At present, cryptocurrencies have become a global phenomenon in financial sectors as it is one of the most traded financial instruments worldwide. Cryptocurrency is not only one of the most complicated and abstruse fields among financial instruments, but it is also deemed as a perplexing problem in finance due to its high volatility. This paper makes an attempt to apply machine learning techniques on the index and constituents of cryptocurrency with a goal to predict and forecast prices thereof. In particular, the purpose of this paper is to predict and forecast the close (closing) price of the cryptocurrency index 30 and nine constituents of cryptocurrencies using machine learning algorithms and models so that, it becomes easier for people to trade these currencies. We have used several machine learning techniques and algorithms and compared the models with each other to get the best output. We believe that our work will help reduce the challenges and difficulties faced by people, who invest in cryptocurrencies. Moreover, the obtained results can play a major role in cryptocurrency portfolio management and in observing the fluctuations in the prices of constituents of cryptocurrency market. We have also compared our approach with similar state of the art works from the literature, where machine learning approaches are considered for predicting and forecasting the prices of these currencies. In the sequel, we have found that our best approach presents better and competitive results than the best works from the literature thereby advancing the state of the art. Using such prediction and forecasting methods, people can easily understand the trend and it would be even easier for them to trade in a difficult and challenging financial instrument like cryptocurrency.
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۔