跳至正文
返回文库全部文档

用卷积自编码器识别加密货币市场状态

文章 arXiv papers · 作者: Vladimir Puzyrev
阅读原文

总结

这项研究使用卷积自编码器提取加密货币市场行为的主要模式，并将 40 种加密货币划分为不同类别。研究考察从 15 May 2013 开始的连续十二个六个月区间，并将类别归属随时间的变化与加密货币市场的成熟联系起来。研究提出，交易者可以通过解读这些不断变化的分组来理解市场结构，并为投资或交易决策提供参考。

该文介绍了方法、资产范围和观察窗口，但没有提供分类细节、验证指标、具体市场状态结果或经过测试的交易规则。因此，它提供的是一种探索加密市场演变的机器学习方法，而非盈利策略的证据。文中将类别变化与市场成熟联系起来，但摘要没有解释这一判断是如何得出的，也没有说明在替代数据和模型选择下这些分组是否仍然稳定。

核心观点

  • 研究使用卷积自编码器提取加密货币市场的主要模式。
  • 研究在十二个六个月区间内将 40 种加密货币划分为不同组别。
  • 研究结合市场成熟过程解读组别归属的变化。
  • 研究指出其可能与投资相关，但没有直接交易测试或报告验证指标。

标签

加密资产机器学习统计学
全文
# Deep convolutional autoencoder for cryptocurrency market analysis


# Deep convolutional autoencoder for cryptocurrency market analysis









This study attempts to analyze patterns in cryptocurrency markets using a special type of deep neural networks, namely a convolutional autoencoder. The method extracts the dominant features of market behavior and classifies the 40 studied cryptocurrencies into several classes for twelve 6-month periods starting from 15th May 2013. Transitions from one class to another with time are related to the maturement of cryptocurrencies. In speculative cryptocurrency markets, these findings have potential implications for investment and trading strategies.

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。