کرپٹو کرنسی پورٹ فولیو ٹریڈنگ کے لیے ملٹی فیکٹر انسیپشن نیٹ ورکس
خلاصہ
یہ مقالہ ملٹی فیکٹر انسیپشن نیٹ ورکس (MFIN) پیش کرتا ہے، جو متعدد کرپٹو کرنسیوں کی ٹریڈنگ کے لیے ایک فریم ورک ہے اور قیمت کے منافع اور دیگر کثرت سے اپ ڈیٹ ہونے والے سگنلز استعمال کرتا ہے۔ یہ کرپٹو اثاثوں کی محدود تاریخی معلومات کے مسئلے سے نمٹنے کے لیے نیٹ ورک ہیش ریٹ اور سرچ دلچسپی جیسے عوامل شامل کرنے کی وجہ بیان کرتا ہے۔ MFIN متعدد عوامل اور اثاثوں کو ایک ساتھ پراسیس کرنے کے لیے ڈیپ انسیپشن نیٹ ورکس کو توسیع دیتا ہے۔
ماڈل منافع سے نمائندگی سیکھتا ہے اور شارپ تناسب زیادہ سے زیادہ کرنے کے مقصد سے پورٹ فولیو میں پوزیشن کے حجم متعین کرتا ہے۔ مقالہ اپنے نتائج کا موازنہ قواعد پر مبنی مومینٹم اور اوسط کی طرف واپسی کی اسٹریٹیجیز سے کرتا ہے، اور رپورٹ کرتا ہے کہ MFIN زیادہ شارپ اور کم باہمی تعلق رکھنے والی ایسی اسٹریٹیجی بناتا ہے جو روایتی طور پر ہاتھ سے بنائے گئے عوامل سے مختلف ہے۔ یہ 2022–2023 میں بھی مسلسل منافع کی اطلاع دیتا ہے، جب موازنہ کی گئی اسٹریٹیجیز اور وسیع تر کرپٹو مارکیٹ کی کارکردگی خراب رہی۔ اقتباس میں تجربے کی تفصیلی ترتیب، عددی کارکردگی کے پیمانے یا لین دین کے اخراجات کا تجزیہ نہیں دیا گیا، اس لیے مضبوطی یا عملی ٹریڈنگ کی قابلیت کا اندازہ لگانا ممکن نہیں۔
اہم خیالات
- MFIN ایک ہی ٹریڈنگ فریم ورک میں متعدد اثاثوں اور عوامل کو سنبھالنے کے لیے ڈیپ انسیپشن نیٹ ورکس کو توسیع دیتا ہے۔
- اس طریقۂ کار کی وجہ کرپٹو کے کثرت سے اپ ڈیٹ ہونے والے میٹرکس کی دستیابی اور بہت سے اثاثوں کی مختصر تاریخ ہے۔
- ماڈل منافع سے سیکھتا ہے اور شارپ تناسب بہتر بنانے کے لیے پورٹ فولیو میں پوزیشن کے حجم منتخب کرتا ہے۔
- مقالہ رپورٹ کرتا ہے کہ اس کی اسٹریٹیجی کا قواعد پر مبنی مومینٹم اور اوسط کی طرف واپسی کے طریقوں سے باہمی تعلق کم ہے۔
- اقتباس کے مطابق منافع 2022–2023 میں برقرار رہا، لیکن کوئی اعداد یا نفاذ کی تفصیلات نہیں دی گئیں۔
ٹیگز
مکمل متن
# Multi-Factor Inception: What to Do with All of These Features? # Multi-Factor Inception: What to Do with All of These Features? Cryptocurrency trading represents a nascent field of research, with growing adoption in industry. Aided by its decentralised nature, many metrics describing cryptocurrencies are accessible with a simple Google search and update frequently, usually at least on a daily basis. This presents a promising opportunity for data-driven systematic trading research, where limited historical data can be augmented with additional features, such as hashrate or Google Trends. However, one question naturally arises: how to effectively select and process these features? In this paper, we introduce Multi-Factor Inception Networks (MFIN), an end-to-end framework for systematic trading with multiple assets and factors. MFINs extend Deep Inception Networks (DIN) to operate in a multi-factor context. Similar to DINs, MFIN models automatically learn features from returns data and output position sizes that optimise portfolio Sharpe ratio. Compared to a range of rule-based momentum and reversion strategies, MFINs learn an uncorrelated, higher-Sharpe strategy that is not captured by traditional, hand-crafted factors. In particular, MFIN models continue to achieve consistent returns over the most recent years (2022-2023), where traditional strategies and the wider cryptocurrency market have underperformed.
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۔