跳至正文
返回文库全部文档

运用PCA与典型相关分析预测以太坊收益

文章 arXiv papers · 作者: Hugo Inzirillo et al.
阅读原文

总结

本文评估降维方法，以研究比特币与以太坊之间的关系并预测以太坊收益。数据集使用对数收益和其他协变量。作者先以皮尔逊相关系数初步衡量两种加密货币之间的关联，再运用典型相关分析和主成分分析降低数据维度，考察跨资产关系。

在预测任务中，研究使用比特币特征预测以太坊收益，并衡量这些统计方法的表现。所提供的描述说明了研究设计，但没有给出预测得分、样本日期、模型细节或与基准模型的比较。因此，描述指出了评估哪些方法，却未显示降维是否改善了预测，也未说明任何关系能否推广到分析数据之外。研究重点是两种加密货币之间的统计关联和收益预测，而非包含执行或风险规则的完整交易策略。

核心观点

  • 研究使用比特币和以太坊的对数收益及附加协变量考察两者之间的关联。
  • 皮尔逊相关系数用于初步评估两种资产之间的关系。
  • 研究使用典型相关分析和主成分分析进行降维。
  • 预测任务使用比特币特征预测以太坊收益。
  • 所提供的描述没有报告预测得分，也未证明这些方法是否改善了预测。

标签

加密资产统计学机器学习回测
全文
# Dimensionality reduction for prediction: Application to Bitcoin and Ethereum


# Dimensionality reduction for prediction: Application to Bitcoin and Ethereum









The objective of this paper is to assess the performances of dimensionality reduction techniques to establish a link between cryptocurrencies. We have focused our analysis on the two most traded cryptocurrencies: Bitcoin and Ethereum. To perform our analysis, we took log returns and added some covariates to build our data set. We first introduced the pearson correlation coefficient in order to have a preliminary assessment of the link between Bitcoin and Ethereum. We then reduced the dimension of our data set using canonical correlation analysis and principal component analysis. After performing an analysis of the links between Bitcoin and Ethereum with both statistical techniques, we measured their performance on forecasting Ethereum returns with Bitcoin s features.

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。