Chiến lược học máy dự đoán giá tiền mã hóa ngắn hạn

Tóm tắt

Nghiên cứu này kiểm tra liệu có thể khai thác những điểm kém hiệu quả của thị trường tiền mã hóa để tạo ra lợi nhuận giao dịch bất thường hay không. Nghiên cứu đánh giá các chiến lược thuật toán đơn giản có hỗ trợ học máy, dựa trên dữ liệu hằng ngày bao quát 1,681 đồng tiền mã hóa từ tháng 2015 đến tháng 2018. Kết quả so sánh được báo cáo cho thấy các chiến lược này vượt trội hơn những chuẩn đối chiếu phổ biến, gợi ý rằng các cơ chế dự báo tương đối đơn giản có thể giúp dự đoán biến động thị trường trong ngắn hạn.

Phần tóm tắt không nêu thuật toán, đặc trưng, chuẩn đối chiếu hay giả định về chi phí giao dịch cụ thể, đồng thời không cung cấp số liệu hiệu suất. Vì vậy, kết quả được báo cáo chỉ giới hạn trong mẫu và giai đoạn nghiên cứu đã nêu; kết quả không xác lập rằng các chiến lược sẽ duy trì khả năng sinh lời trong điều kiện thị trường khác hoặc sau chi phí giao dịch. Nghiên cứu hữu ích như một kiểm định lịch sử về giao dịch tiền mã hóa dựa trên học máy, nhưng cần thêm chi tiết để đánh giá khả năng tái lập và triển khai.

Ý chính

• Nghiên cứu kiểm tra các chiến lược có hỗ trợ học máy để dự đoán giá tiền mã hóa ngắn hạn.
• Nghiên cứu sử dụng dữ liệu hằng ngày của 1,681 đồng tiền mã hóa từ tháng 2015 đến tháng 2018.
• Các chiến lược được báo cáo vượt trội hơn các chuẩn đối chiếu thông thường của nghiên cứu.
• Phần tóm tắt không nêu thuật toán, đặc trưng đầu vào hay cách xử lý chi phí giao dịch.
• Các kết quả được nêu chỉ giới hạn trong mẫu lịch sử đã mô tả.

Thẻ

# Anticipating cryptocurrency prices using machine learning


# Anticipating cryptocurrency prices using machine learning









Machine learning and AI-assisted trading have attracted growing interest for the past few years. Here, we use this approach to test the hypothesis that the inefficiency of the cryptocurrency market can be exploited to generate abnormal profits. We analyse daily data for $1,681$ cryptocurrencies for the period between Nov. 2015 and Apr. 2018. We show that simple trading strategies assisted by state-of-the-art machine learning algorithms outperform standard benchmarks. Our results show that nontrivial, but ultimately simple, algorithmic mechanisms can help anticipate the short-term evolution of the cryptocurrency market.

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.