Quy trình so sánh đánh giá chiến lược giao dịch cổ phiếu và tiền mã hóa

Tóm tắt

Tài liệu trình bày quy trình tổng quát để thiết kế, triển khai và đánh giá các chiến lược giao dịch thuật toán trên thị trường cổ phiếu và tiền mã hóa. Tài liệu dùng bốn ví dụ: giao cắt đường trung bình động, phương pháp thực thi theo khối lượng, giao dịch dựa trên tâm lý thị trường và kinh doanh chênh lệch thống kê. Mục tiêu là hệ thống hóa hơn việc phát triển và so sánh chiến lược, với cách triển khai hướng đối tượng nhằm hỗ trợ nghiên cứu và ứng dụng thực tiễn sau này.

Phần tóm tắt mô tả quy trình và các chiến lược ví dụ nhưng không cung cấp kết quả hiệu suất, tập dữ liệu, thước đo đánh giá hay chi tiết triển khai. Do đó, tài liệu cho biết khuôn khổ được tổ chức ra sao nhưng không xác định phương pháp nào hiệu quả nhất hoặc liệu chiến lược nào có sinh lời hay không. Thảo luận cũng không đề cập cụ thể đến chi phí giao dịch, chế độ thị trường hay kiểm soát rủi ro, nên cần thêm bằng chứng trước khi kết luận về mức độ phù hợp trong thực tế.

Ý chính

• Một quy trình chung có thể hệ thống hóa việc thiết kế và đánh giá chiến lược trên thị trường cổ phiếu và tiền mã hóa.
• Nghiên cứu minh họa quy trình bằng bốn phương pháp bao quát tín hiệu kỹ thuật, thực thi, tâm lý và các mối quan hệ thống kê.
• Cấu trúc đánh giá nhất quán có thể giúp so sánh các phương pháp giao dịch một cách hệ thống hơn.
• Phần tóm tắt không báo cáo hiệu suất thực nghiệm hay đủ chi tiết phương pháp để đánh giá hiệu quả thực tiễn.

Thẻ

# A Data Science Pipeline for Algorithmic Trading: A Comparative Study of Applications for Finance and Cryptoeconomics


# A Data Science Pipeline for Algorithmic Trading: A Comparative Study of Applications for Finance and Cryptoeconomics









Recent advances in Artificial Intelligence (AI) have made algorithmic trading play a central role in finance. However, current research and applications are disconnected information islands. We propose a generally applicable pipeline for designing, programming, and evaluating the algorithmic trading of stock and crypto assets. Moreover, we demonstrate how our data science pipeline works with respect to four conventional algorithms: the moving average crossover, volume-weighted average price, sentiment analysis, and statistical arbitrage algorithms. Our study offers a systematic way to program, evaluate, and compare different trading strategies. Furthermore, we implement our algorithms through object-oriented programming in Python3, which serves as open-source software for future academic research and applications.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.