Giao dịch bằng mạng nơ-ron đa khung thời gian với tín hiệu tiền mã hóa tần suất cao

Tóm tắt

Tài liệu mô tả một hệ thống giao dịch tiền mã hóa kết hợp thông tin xu hướng từ nhiều khung thời gian với mạng nơ-ron dự đoán hướng giá trong ngắn hạn. Hệ thống đưa giá thị trường, thước đo trên chuỗi và hoạt động sổ lệnh vào một tập hợp tín hiệu áp lực mua và bán thống nhất, nhằm hỗ trợ các quyết định giao dịch nhanh. Phương pháp được đề xuất dùng mô hình thống kê để kết nối tín hiệu giữa các khung thời gian và hướng dẫn khớp lệnh tần suất cao.

Tài liệu tuyên bố hệ thống đạt lợi nhuận dương sau điều chỉnh theo rủi ro và có thể đưa ra quyết định trong chưa đầy một giây với độ tin cậy thống kê. Tuy nhiên, phần mô tả được cung cấp không nêu giai đoạn dữ liệu, danh sách tài sản, chuẩn so sánh, thước đo hiệu suất chi tiết hay quy trình kiểm định. Do đó, tài liệu phác thảo phương pháp mô hình hóa và các lợi thế dự kiến, nhưng chưa cung cấp đủ bằng chứng để đánh giá độ vững của kết quả hoặc liệu chúng có tính đến chi phí giao dịch và điều kiện thị trường thay đổi hay không.

Ý chính

• Hệ thống kết hợp phân tích xu hướng trên nhiều khung thời gian với mạng nơ-ron dự đoán hướng giá ngắn hạn.
• Hệ thống kết hợp dữ liệu thị trường, thước đo trên chuỗi và diễn biến sổ lệnh thành tín hiệu áp lực giao dịch.
• Phương pháp được thiết kế để hỗ trợ quyết định trong chưa đầy một giây trên thị trường tiền mã hóa.
• Phần mô tả tuyên bố có lợi nhuận dương sau điều chỉnh rủi ro nhưng không cung cấp chi tiết để đánh giá độc lập tuyên bố đó.

Thẻ

# 2508.02356


# Neural Network-Based Algorithmic Trading Systems: Multi-Timeframe Analysis and High-Frequency Execution in Cryptocurrency Markets









This paper explores neural network-based approaches for algorithmic trading in cryptocurrency markets. Our approach combines multi-timeframe trend analysis with high-frequency direction prediction networks, achieving positive risk-adjusted returns through statistical modeling and systematic market exploitation. The system integrates diverse data sources including market data, on-chain metrics, and orderbook dynamics, translating these into unified buy/sell pressure signals. We demonstrate how machine learning models can effectively capture cross-timeframe relationships, enabling sub-second trading decisions with statistical confidence.

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.