قلیل مدتی کرپٹو کرنسی قیمتوں کی پیش گوئی کے لیے مشین لرننگ اسٹریٹیجیز

مضمون arXiv papers · مصنف: Laura Alessandretti et al.

خلاصہ

یہ مطالعہ جانچتا ہے کہ آیا کرپٹو کرنسی مارکیٹ کی ناکارکردگیوں سے غیر معمولی ٹریڈنگ منافع حاصل کیا جا سکتا ہے۔ اس میں مشین لرننگ سے معاونت یافتہ سادہ الگورتھمک اسٹریٹیجیز کو نومبر 2015 سے اپریل 2018 تک 1,681 کرپٹو کرنسیوں کے روزانہ مشاہدات پر جانچا گیا ہے۔ رپورٹ کردہ موازنے میں یہ اسٹریٹیجیز معیاری پیمانوں سے بہتر پائی گئیں، جس سے اشارہ ملتا ہے کہ نسبتاً سادہ پیش گوئی کے طریقے قلیل مدتی مارکیٹ حرکات کا اندازہ لگانے میں مدد دے سکتے ہیں۔

خلاصے میں مخصوص الگورتھمز، خصوصیات، پیمانے یا لین دین کی لاگت کے مفروضے شناخت نہیں کیے گئے، اور کارکردگی کے اعدادوشمار بھی نہیں دیے گئے۔ اس لیے رپورٹ کردہ نتیجہ مطالعے کے بیان کردہ نمونے اور مدت تک محدود ہے؛ یہ ثابت نہیں کرتا کہ دوسری مارکیٹ صورتوں میں یا ٹریڈنگ لاگت کے بعد بھی اسٹریٹیجیز منافع بخش رہیں گی۔ یہ کام مشین لرننگ پر مبنی کرپٹو کرنسی ٹریڈنگ کا تاریخی امتحان ہے، جبکہ قابلِ تکرار تحقیق اور نفاذ کا جائزہ لینے کے لیے مزید تفصیل درکار ہے۔

اہم خیالات

مطالعہ قلیل مدتی کرپٹو کرنسی قیمتوں کی پیش گوئی کے لیے مشین لرننگ سے معاونت یافتہ اسٹریٹیجیز جانچتا ہے۔
اس میں نومبر 2015 سے اپریل 2018 تک 1,681 کرپٹو کرنسیوں کا روزانہ ڈیٹا استعمال کیا گیا ہے۔
رپورٹ کردہ اسٹریٹیجیز مطالعے کے معیاری پیمانوں سے بہتر کارکردگی دکھاتی ہیں۔
خلاصے میں الگورتھمز، ان پٹ خصوصیات یا لین دین کی لاگت سے متعلق طریقۂ کار کی تفصیل نہیں۔
بیان کردہ نتائج صرف مذکورہ تاریخی نمونے تک محدود ہیں۔

ٹیگز

کرپٹو مشین لرننگ بیک ٹیسٹنگ مومینٹم

مکمل متن

# 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.

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۔