بازاری بلبلے کے دوران بٹ کوائن کے آرڈر فلو ماڈلز کی آزمائش

خلاصہ

یہ مقالہ ایک گہرا تکراری ماڈل پیش کرتا ہے جو اعلیٰ تعدد پر قیمت کی سمت وار حرکت ماڈل کرنے کے لیے ایکسچینج کے آرڈر فلو کو استعمال کرتا ہے۔ آرڈر فلو سے مراد آنے والے آرڈرز کا سلسلہ ہے جو قیمت بننے میں حصہ لیتا ہے۔ بنیادی سوال یہ ہے کہ آیا ایک بازاری نظام میں تربیت یافتہ ماڈل حالات میں بڑی تبدیلی کے بعد بھی مفید رہتا ہے۔

وقت کے ساتھ استحکام جانچنے کے لیے مصنفین 2017 کے بٹ کوائن بلبلے سے پہلے کے ڈیٹا پر ماڈل تربیت دیتے اور دوبارہ تربیت کے بغیر اس مدت کے دوران اور بعد میں آزماتے ہیں۔ وہ رپورٹ کرتے ہیں کہ انتہائی اتار چڑھاؤ والے بلبلے کے دور میں ماڈل مستحکم رہتا ہے، اور قیمت بننے کے ڈیپ لرننگ کے موجودہ طریقوں سے اس کا موازنہ کرتے ہیں۔ فراہم کردہ بیان میں ڈیٹا کا ماخذ، پیش گوئی کا درست ہدف، جائزے کے پیمانے یا تقابلی نتائج واضح نہیں۔ لہٰذا یہ رپورٹ شدہ تجربے میں استحکام کے دعوے کی تائید کرتا ہے، مگر یہ سوال کھلا رہتا ہے کہ یہ نتیجہ دوسرے اثاثوں، مقامات یا بازاری نظاموں پر کس حد تک لاگو ہوتا ہے۔

اہم خیالات

• مجوزہ گہرا تکراری ماڈل اعلیٰ تعدد کی قیمت کی سمت وار تبدیلیاں ماڈل کرنے کے لیے ایکسچینج آرڈر فلو استعمال کرتا ہے۔
• تجربے میں بلبلے سے پہلے کے بٹ کوائن ڈیٹا پر تربیت اور 2017 کے بلبلے کے دوران اور بعد میں آزمائش شامل ہے۔
• زیادہ اتار چڑھاؤ والی مدت میں ماڈل کو دوبارہ تربیت دیے بغیر جانچا گیا۔
• مصنفین وقت کے ساتھ استحکام رپورٹ کرتے اور ماڈل کا موجودہ ڈیپ لرننگ طریقوں سے موازنہ کرتے ہیں۔
• دستیاب بیان میں وسیع تر اطلاق جانچنے کے لیے ضروری پیمانے اور ڈیٹا کی تفصیلات نہیں۔

ٹیگز

# Deep Recurrent Modelling of Stationary Bitcoin Price Formation Using the Order Flow


# Deep Recurrent Modelling of Stationary Bitcoin Price Formation Using the Order Flow









In this paper we propose a deep recurrent model based on the order flow for the stationary modelling of the high-frequency directional prices movements. The order flow is the microsecond stream of orders arriving at the exchange, driving the formation of prices seen on the price chart of a stock or currency. To test the stationarity of our proposed model we train our model on data before the 2017 Bitcoin bubble period and test our model during and after the bubble. We show that without any retraining, the proposed model is temporally stable even as Bitcoin trading shifts into an extremely volatile "bubble trouble" period. The significance of the result is shown by benchmarking against existing state-of-the-art models in the literature for modelling price formation using deep learning.

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۔