Phân loại mẫu giá để so sánh thị trường tiền mã hóa và cổ phiếu

Tóm tắt

Nghiên cứu này đặt câu hỏi liệu nhà đầu tư tiền mã hóa có giao dịch khác nhà đầu tư cổ phiếu hay không, đồng thời dùng lịch sử giá tài sản làm bằng chứng về các hành vi đó. Trước tiên, nghiên cứu áp dụng nhiều mô hình học máy để phân loại chuỗi thời gian của tiền mã hóa và cổ phiếu được quan sát trong cùng giai đoạn. Độ chính xác phân loại cao được báo cáo cho thấy hai nhóm có mẫu hình giá phân biệt được, dù riêng việc phân loại không xác lập nguyên nhân của những khác biệt đó hay liệu chúng có kéo dài hay không.

Sau đó, các tác giả tính các đặc tính chuỗi thời gian, gồm mômen phân phối, các giá trị cực trị và tự tương quan ở nhiều bậc, rồi dùng hồi quy logistic, rừng ngẫu nhiên, máy véc-tơ hỗ trợ và các bộ phân loại khác để đánh giá giá trị giải thích của chúng. Kết quả cho thấy các đặc tính này giúp phân biệt hai nhóm tài sản. Tài liệu không cung cấp chi tiết về lựa chọn mẫu, xác thực ngoài mẫu hay số liệu độ chính xác cụ thể, nên chỉ từ bản tóm tắt này không thể đánh giá độc lập mức độ vững chắc và ý nghĩa giao dịch của các khác biệt được báo cáo. Phương pháp này là phân tích so sánh, không phải quy tắc giao dịch hay bằng chứng về lợi suất có lãi.

Ý chính

• Có thể dùng chuỗi thời gian giá để phân biệt hành vi của tiền mã hóa với cổ phiếu.
• Nghiên cứu báo cáo độ chính xác cao khi phân loại hai nhóm tài sản trong cùng giai đoạn.
• Thống kê phân phối và đặc tính tự tương quan giúp giải thích khác biệt mẫu hình được quan sát.
• Hồi quy logistic, rừng ngẫu nhiên và máy véc-tơ hỗ trợ nằm trong số các mô hình được thử nghiệm.
• Bằng chứng phân loại cho thấy có khác biệt nhưng không xác lập nguyên nhân hay khả năng sinh lời.

Thẻ

# Classification-Based Analysis of Price Pattern Differences Between Cryptocurrencies and Stocks


# Classification-Based Analysis of Price Pattern Differences Between Cryptocurrencies and Stocks









Cryptocurrencies are digital tokens built on blockchain technology, with thousands actively traded on centralized exchanges (CEXs). Unlike stocks, which are backed by real businesses, cryptocurrencies are recognized as a distinct class of assets by researchers. How do investors treat this new category of asset in trading? Are they similar to stocks as an investment tool for investors? We answer these questions by investigating cryptocurrencies' and stocks' price time series which can reflect investors' attitudes towards the targeted assets. Concretely, we use different machine learning models to classify cryptocurrencies' and stocks' price time series in the same period and get an extremely high accuracy rate, which reflects that cryptocurrency investors behave differently in trading from stock investors. We then extract features from these price time series to explain the price pattern difference, including mean, variance, maximum, minimum, kurtosis, skewness, and first to third-order autocorrelation, etc., and then use machine learning methods including logistic regression (LR), random forest (RF), support vector machine (SVM), etc. for classification. The classification results show that these extracted features can help to explain the price time series pattern difference between cryptocurrencies and stocks.

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.