مختصر دورانیے کی کرپٹو ٹریڈنگ کے لیے سپورٹ ویکٹر مشینیں
خلاصہ
مطالعہ بٹ کوائن، ایتھیریم اور لائٹ کوائن کی مختصر مدتی حرکتوں کی درجہ بندی کے لیے تاریخی قیمتیں اور تکنیکی اشاریے استعمال کرتا ہے۔ یہ ایک گھنٹے کے افق میں اوپر اور نیچے کی حرکت شناخت کرنے کی درجہ بندی کے طریقوں کی صلاحیت کا موازنہ کرتا ہے، اور مثبت و منفی پیش گوئی قدر پر کارکردگی رپورٹ کرتا ہے۔ پھر پیش گوئیوں کو ٹریڈنگ فیصلوں میں تبدیل کرکے ایسے بیک ٹیسٹر سے جانچا جاتا ہے جو ٹریڈنگ کے حالات کی نمائندگی کے لیے بنایا گیا ہے۔
زیرِ غور طریقوں میں سپورٹ ویکٹر مشینیں سب سے زیادہ منافع بخش اسٹریٹیجیز بناتی ہیں، اور رپورٹ کردہ اسٹریٹیجیز جنوری 2018 میں شروع ہونے والی بیان کردہ جائزہ مدت میں تینوں اثاثوں کے لیے اوسطاً مارکیٹ سے بہتر رہیں۔ یہ نتائج منتخب کرپٹو کرنسیوں، تاریخی نمونے، اشاریوں، پیش گوئی کے افق اور بیک ٹیسٹنگ کے مفروضوں تک محدود ہیں۔ وضاحت میں لین دین کی لاگت کی ترتیبات، ماڈل کی خصوصیات یا خطرے کے مطابق ایڈجسٹ کارکردگی جیسی تفصیلات نہیں، اس لیے صرف رپورٹ کردہ نتائج یہ ثابت نہیں کرتے کہ اسٹریٹیجی دوسرے ادوار یا لائیو ٹریڈنگ میں کیسے کارکردگی دکھائے گی۔
اہم خیالات
- مطالعہ کرپٹو کرنسیوں کی قیمتوں کی تاریخ سے تکنیکی اشاریے بنا کر ایک گھنٹے کی قیمت کی سمت کی پیش گوئی کرتا ہے۔
- یہ درجہ بندی کرنے والوں کو مثبت اور منفی پیش گوئی قدر کے پیمانوں سے جانچتا ہے۔
- پیش گوئیوں کو ٹریڈنگ فیصلوں میں بدل کر ٹریڈنگ پر مبنی بیک ٹیسٹر سے جانچا جاتا ہے۔
- رپورٹ کردہ اسٹریٹیجی منافع میں سپورٹ ویکٹر مشینیں آزمودہ طریقوں میں سرفہرست ہیں۔
- مارکیٹ سے بہتر رپورٹ کردہ کارکردگی بٹ کوائن، ایتھیریم، لائٹ کوائن اور آزمودہ تاریخی مدت تک مخصوص ہے۔
ٹیگز
مکمل متن
# Cryptocurrency Price Prediction and Trading Strategies Using Support Vector Machines # Cryptocurrency Price Prediction and Trading Strategies Using Support Vector Machines Few assets in financial history have been as notoriously volatile as cryptocurrencies. While the long term outlook for this asset class remains unclear, we are successful in making short term price predictions for several major crypto assets. Using historical data from July 2015 to November 2019, we develop a large number of technical indicators to capture patterns in the cryptocurrency market. We then test various classification methods to forecast short-term future price movements based on these indicators. On both PPV and NPV metrics, our classifiers do well in identifying up and down market moves over the next 1 hour. Beyond evaluating classification accuracy, we also develop a strategy for translating 1-hour-ahead class predictions into trading decisions, along with a backtester that simulates trading in a realistic environment. We find that support vector machines yield the most profitable trading strategies, which outperform the market on average for Bitcoin, Ethereum and Litecoin over the past 22 months, since January 2018.
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۔