跳至正文
返回文库全部文档

股票与加密货币交易策略的比较评估流程

文章 arXiv papers · 作者: Luyao Zhang et al.
阅读原文

总结

本文介绍一套通用流程，用于设计、实施和评估股票与加密货币市场中的算法交易策略。文章以四种策略为例：移动平均线交叉、成交量加权执行、基于情绪的交易和统计套利。其目标是使策略开发和比较更加系统化，并通过面向对象的实现支持后续研究和实际应用。

摘要介绍了流程和示例策略，但未提供表现结果、数据集、评估指标或实现细节。因此，摘要说明了框架的组织方式，但不能据此判断哪种方法效果最好，也不能证明任何策略能够盈利。讨论也未具体涉及交易成本、市场环境或风险控制，因此读者还需要更多证据才能判断其现实适用性。

核心观点

  • 统一流程可以规范股票和加密货币市场策略的设计与评估。
  • 研究以四种方法说明流程，涵盖技术信号、执行、情绪和统计关系。
  • 统一的评估结构可以让不同交易方法之间的比较更加系统化。
  • 摘要未报告实证表现，也没有提供足够的方法细节来判断实际效果。

标签

多资产回测技术指标市场情绪套利
全文
# 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.

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。