論文の概要: Topological Data Analysis for Portfolio Management of Cryptocurrencies
- arxiv url: http://arxiv.org/abs/2009.03362v1
- Date: Mon, 7 Sep 2020 18:30:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-21 03:36:54.731035
- Title: Topological Data Analysis for Portfolio Management of Cryptocurrencies
- Title(参考訳): 暗号通貨のポートフォリオ管理のためのトポロジカルデータ分析
- Authors: Rodrigo Rivera-Castro, Polina Pilyugina, Evgeny Burnaev
- Abstract要約: 本研究は,6年間の市場データをカバーする1500以上の暗号通貨からなる投資ポートフォリオを構築する方法を提案する。
トポロジカルデータ解析(TDA: Topological Data Analysis)は、トポロジカル構造の観点からデータセットを分析する手法である。
- 参考スコア(独自算出の注目度): 13.56420397397044
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Portfolio management is essential for any investment decision. Yet,
traditional methods in the literature are ill-suited for the characteristics
and dynamics of cryptocurrencies. This work presents a method to build an
investment portfolio consisting of more than 1500 cryptocurrencies covering 6
years of market data. It is centred around Topological Data Analysis (TDA), a
recent approach to analyze data sets from the perspective of their topological
structure. This publication proposes a system combining persistence landscapes
to identify suitable investment opportunities in cryptocurrencies. Using a
novel and comprehensive data set of cryptocurrency prices, this research shows
that the proposed system enables analysts to outperform a classic method from
the literature without requiring any feature engineering or domain knowledge in
TDA. This work thus introduces TDA-based portfolio management of
cryptocurrencies as a viable tool for the practitioner.
- Abstract(参考訳): 投資決定にはポートフォリオ管理が不可欠です。
しかし、この文学における伝統的な手法は、暗号通貨の特徴とダイナミクスに不向きである。
本研究は,6年間の市場データをカバーする1500以上の暗号通貨からなる投資ポートフォリオを構築する方法を提案する。
トポロジカルデータ分析 (topological data analysis, tda) は、データ集合をトポロジカル構造の観点から解析する最近のアプローチである。
本論文は、暗号通貨の投資機会を特定するために、持続的景観を組み合わせたシステムを提案する。
本研究は,新しい暗号通貨価格の包括的データセットを用いて,アナリストがTDAの特徴工学やドメイン知識を必要とせずに,古典的手法を文献から上回り得ることを示す。
この研究は、tdaベースの暗号通貨のポートフォリオ管理を実践者にとって実行可能なツールとして導入する。
関連論文リスト
- Multimodal Stock Price Prediction [0.0]
さまざまなデータソースと機械学習を慎重に統合して、正確な株価予測を行うことがますます重要になっている。
本稿では,従来の財務指標,つぶやき,ニュース記事など,さまざまな情報源のデータを組み合わせて,株価予測のためのマルチモーダル機械学習手法を提案する。
論文 参考訳(メタデータ) (2025-01-23T16:38:46Z) - Enhancing Cryptocurrency Market Forecasting: Advanced Machine Learning Techniques and Industrial Engineering Contributions [0.0]
この章は、2014年から2024年までの暗号通貨価格予測に適用された機械学習(ML)テクニックを包括的にレビューする。
線形モデルやツリーベースアプローチ,高度なディープラーニングアーキテクチャなど,さまざまなMLアルゴリズムについて検討する。
また、価格変動を予想する市場感情の把握における感情分析の役割についても検討する。
論文 参考訳(メタデータ) (2024-10-18T14:00:44Z) - Explainable Post hoc Portfolio Management Financial Policy of a Deep Reinforcement Learning agent [44.99833362998488]
我々はポートフォリオ管理のための新しい説明可能な深層強化学習(XDRL)アプローチを開発した。
方法論を実践することにより、エージェントの行動を予測する時間内に解釈し、投資政策の要件に従うかどうかを評価することができる。
論文 参考訳(メタデータ) (2024-07-19T17:40:39Z) - IT Strategic alignment in the decentralized finance (DeFi): CBDC and digital currencies [49.1574468325115]
分散型金融(DeFi)は、ディスラプティブベースの金融インフラである。
1) DeFiの一般的なIT要素は何か?
2) DeFi における IT 戦略の整合性には,どのような要素があるのでしょう?
論文 参考訳(メタデータ) (2024-05-17T10:19:20Z) - AlphaFin: Benchmarking Financial Analysis with Retrieval-Augmented Stock-Chain Framework [48.3060010653088]
我々はAlphaFinデータセットをリリースし、従来の研究データセット、リアルタイム財務データ、手書きのチェーン・オブ・プリート(CoT)データを組み合わせています。
次に、AlphaFinデータセットを使用して、金融分析タスクを効果的に処理するために、Stock-Chainと呼ばれる最先端の手法をベンチマークします。
論文 参考訳(メタデータ) (2024-03-19T09:45:33Z) - An adaptive network-based approach for advanced forecasting of
cryptocurrency values [0.0]
本稿では,Adaptive Network Fuzzy Inference System (ANFIS) を用いて,今後7日間の暗号価格を予測するアーキテクチャについて述べる。
データを教えるために使われる方法は、グリッド分割、減算クラスタリング、ファジィC平均クラスタリング(FCM)アルゴリズムと同様に、ハイブリッドおよびバックプロパゲーションアルゴリズムである。
提案手法は,デジタル通貨の価格を短時間で予測できる。
論文 参考訳(メタデータ) (2024-01-08T19:51:53Z) - Cryptocurrency Portfolio Optimization by Neural Networks [81.20955733184398]
本稿では,これらの投資商品を活用するために,ニューラルネットワークに基づく効果的なアルゴリズムを提案する。
シャープ比を最大化するために、各アセットの割り当て重量を時間間隔で出力するディープニューラルネットワークを訓練する。
ネットワークの特定の資産に対するバイアスを規制する新たな損失項を提案し,最小分散戦略に近い割り当て戦略をネットワークに学習させる。
論文 参考訳(メタデータ) (2023-10-02T12:33:28Z) - CSPRD: A Financial Policy Retrieval Dataset for Chinese Stock Market [61.59326951366202]
我々は、中国株式政策検索データセット(CSPRD)を導入して、新たな課題である政策検索を提案する。
CSPRDは、中国の政策コーパスの10k以上の項目から、経験豊富な専門家によってラベル付けされた700以上のパスを提供する。
我々の最高のパフォーマンスベースラインは56.1% MRR@10、28.5% NDCG@10、37.5% Recall@10、80.6% Precision@10である。
論文 参考訳(メタデータ) (2023-09-08T15:40:54Z) - Portfolio Selection via Topological Data Analysis [2.3901301169141056]
本稿では、共通株式の投資ポートフォリオを構築するための2段階の方法を提案する。
この方法は時系列表現の生成とその後のクラスタリングを含む。
実験の結果,提案システムは他の手法よりも優れていることがわかった。
論文 参考訳(メタデータ) (2023-08-15T09:36:43Z) - Towards a maturity model for crypto-agility assessment [44.99833362998488]
本研究は,特定のソフトウェアやIT環境の暗号処理能力の状態を決定するためのCAMM(Crypto-Agility Maturity Model)を提案する。
CAMMは5つのレベルから構成されており、各レベルごとに、文献レビューに基づいて一連の要件が定式化されている。
論文 参考訳(メタデータ) (2022-02-15T18:47:05Z) - Profitable Strategy Design by Using Deep Reinforcement Learning for
Trades on Cryptocurrency Markets [2.741266294612776]
我々は,3つの暗号市場の戦略設計問題に対して,プロキシポリシー最適化,ソフトアクタ-C模倣,ジェネレーティブ・アドバシリティック・ラーニングを適用した。
未確認データに対するテスト結果は、投資家が市場を搾取し利益を得るためのエキスパートシステムを構築する上で、このアプローチの大きな可能性を示している。
論文 参考訳(メタデータ) (2022-01-15T18:45:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。