آن چین ڈیٹا سے کرپٹو خطرے اور قیمت کے عوامل کی درجہ بندی
خلاصہ
مطالعہ دیکھتا ہے کہ آیا کرپٹو کرنسی کے آن چین پیمانے قیمتوں کی وضاحت اور خطرناک اثاثوں کی تمیز میں مدد دے سکتے ہیں۔ یہ تاریخی ڈیٹا کا تجزیہ، قیمت اور دیگر پیرامیٹرز کے باہمی تعلق کی پیمائش، کلسٹرنگ سے کرپٹو کرنسیوں کی گروہ بندی، اور اثاثوں کو خطرناک یا غیر خطرناک قرار دینے کے لیے درجہ بندی الگورتھم استعمال کرتا ہے۔ کلسٹرز کا مقصد سرمایہ کاروں کو ایک سکے کا موازنہ ملتے جلتے آن چین پروفائل والے سکوں سے کرنے دینا ہے۔
رپورٹ شدہ ڈیٹا کے مطابق 39% کرپٹو کرنسیاں ختم ہو گئیں، جبکہ 10%، 1,000 دن سے زیادہ قائم رہیں۔ قیمت کا زیادہ سے زیادہ اور مجموعی سپلائی سے نمایاں منفی تعلق، اور 24 گھنٹے کے تجارتی حجم سے کمزور مثبت تعلق ہے۔ کلسٹرنگ پانچ گروہ بناتی ہے، اور خطرے کی درجہ بندی کا بہترین رپورٹ شدہ F1 اسکور 76% ہے، جو K-nearest neighbors سے حاصل ہوا۔ یہ تاریخی تعلقات اور درجہ بندی کے نتائج ہیں؛ ان سے یہ ثابت نہیں ہوتا کہ خصوصیات قیمت میں تبدیلی کا سبب بنتی ہیں یا مستقبل کے خطرے کی شناخت کی ضمانت دیتی ہیں۔ اقتباس نمونے کی تشکیل، توثیق کے ڈیزائن، یا بدلتے بازار میں کارکردگی بیان نہیں کرتا۔
اہم خیالات
- تجزیہ تاریخی آن چین پیمانوں سے کرپٹو قیمتوں اور خطرے کی درجہ بندی کا مطالعہ کرتا ہے۔
- زیادہ سے زیادہ اور مجموعی سپلائی کا قیمت سے نمایاں منفی تعلق رپورٹ ہوا ہے۔
- 24 گھنٹوں کا تجارتی حجم قیمت سے کمزور مثبت تعلق رکھتا ہے۔
- کلسٹرنگ آن چین پیرامیٹرز کی بنیاد پر کرپٹو کرنسیوں کو پانچ گروہوں میں رکھتی ہے۔
- K-nearest neighbors سے خطرے کی درجہ بندی کا بہترین بیان کردہ F1 اسکور 76% حاصل ہوا۔
ٹیگز
مکمل متن
# AI-Assisted Investigation of On-Chain Parameters: Risky Cryptocurrencies and Price Factors # AI-Assisted Investigation of On-Chain Parameters: Risky Cryptocurrencies and Price Factors Cryptocurrencies have become a popular and widely researched topic of interest in recent years for investors and scholars. In order to make informed investment decisions, it is essential to comprehend the factors that impact cryptocurrency prices and to identify risky cryptocurrencies. This paper focuses on analyzing historical data and using artificial intelligence algorithms on on-chain parameters to identify the factors affecting a cryptocurrency's price and to find risky cryptocurrencies. We conducted an analysis of historical cryptocurrencies' on-chain data and measured the correlation between the price and other parameters. In addition, we used clustering and classification in order to get a better understanding of a cryptocurrency and classify it as risky or not. The analysis revealed that a significant proportion of cryptocurrencies (39%) disappeared from the market, while only a small fraction (10%) survived for more than 1000 days. Our analysis revealed a significant negative correlation between cryptocurrency price and maximum and total supply, as well as a weak positive correlation between price and 24-hour trading volume. Moreover, we clustered cryptocurrencies into five distinct groups using their on-chain parameters, which provides investors with a more comprehensive understanding of a cryptocurrency when compared to those clustered with it. Finally, by implementing multiple classifiers to predict whether a cryptocurrency is risky or not, we obtained the best f1-score of 76% using K-Nearest Neighbor.
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۔