論文の概要: Dynamics, behaviours, and anomaly persistence in cryptocurrencies and
equities surrounding COVID-19
- arxiv url: http://arxiv.org/abs/2101.00576v3
- Date: Thu, 18 Feb 2021 07:42:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-13 05:29:34.308771
- Title: Dynamics, behaviours, and anomaly persistence in cryptocurrencies and
equities surrounding COVID-19
- Title(参考訳): 新型コロナウイルスを取り巻く暗号通貨および株式のダイナミクス、行動、異常持続性
- Authors: Nick James
- Abstract要約: 我々は、仮想通貨と株式市場のダイナミクスの進化を研究し、特に新型コロナウイルスのパンデミックにおける変化に焦点を当てている。
危機時におけるより類似したダイナミクスを実証する。
意外なことに、暗号通貨は全ての市場の状況においてより強い集団的ダイナミクスと相関を示すが、その軌道や極端において株式はより同じように振る舞い、時間とともに異常の持続性を示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper uses new and recently introduced methodologies to study the
similarity in the dynamics and behaviours of cryptocurrencies and equities
surrounding the COVID-19 pandemic. We study two collections; 45
cryptocurrencies and 72 equities, both independently and in conjunction. First,
we examine the evolution of cryptocurrency and equity market dynamics, with a
particular focus on their change during the COVID-19 pandemic. We demonstrate
markedly more similar dynamics during times of crisis. Next, we apply recently
introduced methods to contrast trajectories, erratic behaviours, and extreme
values among the two multivariate time series. Finally, we introduce a new
framework for determining the persistence of market anomalies over time.
Surprisingly, we find that although cryptocurrencies exhibit stronger
collective dynamics and correlation in all market conditions, equities behave
more similarly in their trajectories, extremes, and show greater persistence in
anomalies over time.
- Abstract(参考訳): 本稿では、新型コロナウイルスのパンデミックを取り巻く暗号通貨と株式の動態と挙動の類似性を研究するために、新たに導入された方法論を用いる。
45の暗号通貨と72の株式の2つのコレクションを独立かつ共同で調査する。
まず、新型コロナウイルス(COVID-19)パンデミックにおける仮想通貨と株式市場のダイナミクスの進化について検討する。
私たちは危機の時に、非常によく似たダイナミクスを示します。
次に,最近導入された2つの多変量時系列間のコントラストトラジェクタ,エロティックな振る舞い,極端な値の手法を適用した。
最後に,市場異常の経時的持続性を決定する新しいフレームワークを提案する。
意外なことに、暗号通貨は全ての市場の状況においてより強い集団的ダイナミクスと相関を示すが、その軌道や極端において株式はより同じように振る舞う。
関連論文リスト
- Modelling crypto markets by multi-agent reinforcement learning [0.0]
本研究では,暗号市場を模擬したマルチエージェント強化学習(MARL)モデルを提案する。
2018年から2022年にかけて継続的に取引された暗号通貨の1日当たり終値153ドルに調整されている。
論文 参考訳(メタデータ) (2024-02-16T16:28:58Z) - DCIR: Dynamic Consistency Intrinsic Reward for Multi-Agent Reinforcement
Learning [84.22561239481901]
本稿では,エージェントの行動が他のエージェントの行動と一致しているかどうかを学習するための新しいアプローチを提案する。
マルチエージェント粒子, Google Research Football および StarCraft II Micromanagement を含む複数の環境における DCIR の評価を行った。
論文 参考訳(メタデータ) (2023-12-10T06:03:57Z) - Diffusion Variational Autoencoder for Tackling Stochasticity in
Multi-Step Regression Stock Price Prediction [54.21695754082441]
長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。
多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。
深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。
本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
論文 参考訳(メタデータ) (2023-08-18T16:21:15Z) - Anomaly Detection for Fraud in Cryptocurrency Time Series [1.2183405753834557]
産業が自動化されるにつれて、自動化された詐欺検知器の必要性は非常に明らかになる。
リアルタイムで異常を識別することは、観察する正確な異常な振る舞いのために、特に簡単な作業ではない。
本稿では,特定のアカウントからの取引をリアルタイムに行うことを提案し,多様なアルゴリズムを調査した。
論文 参考訳(メタデータ) (2022-07-23T08:58:57Z) - Cryptocurrency Bubble Detection: A New Stock Market Dataset, Financial
Task & Hyperbolic Models [31.690290125073197]
バブル検出のための新しいマルチスパン識別タスクであるCryptoBubblesを公開・公開する。
我々はこのマルチスパン識別タスクに適した一連のシーケンス・ツー・シーケンス・ハイパーボリックモデルを開発する。
RedditとTwitterでCryptoBubblesとハイパーボリックモデルの実用性を示す。
論文 参考訳(メタデータ) (2022-05-11T08:10:02Z) - Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。
ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。
2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
論文 参考訳(メタデータ) (2021-09-14T18:50:38Z) - Learning Equilibria in Matching Markets from Bandit Feedback [139.29934476625488]
不確実性の下で安定した市場成果を学習するためのフレームワークとアルゴリズムを開発する。
私たちの研究は、大規模なデータ駆動の市場において、いつ、どのように安定したマッチングが生じるかを明らかにするための第一歩を踏み出します。
論文 参考訳(メタデータ) (2021-08-19T17:59:28Z) - Boundary time crystals in collective $d$-level systems [64.76138964691705]
境界時間結晶は、環境に接する量子系で起こる物質の非平衡相である。
我々は、BTCを$d$レベルのシステムで研究し、$d=2$、$3$、$4$のケースに焦点を当てた。
論文 参考訳(メタデータ) (2021-02-05T19:00:45Z) - A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。
ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。
我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
論文 参考訳(メタデータ) (2020-12-10T01:15:48Z) - Predictive intraday correlations in stable and volatile market
environments: Evidence from deep learning [2.741266294612776]
我々は、S&P500株間のラタグ相関を学習・活用するためにディープラーニングを適用し、安定市場と不安定市場のモデル行動を比較する。
以上の結果から,アキュラシーは有意でありながら,予測地平線が短いほど低下することが示唆された。
ポートフォリオマネージャのための調査ツールとしての現代金融理論と作業の適用性について論じる。
論文 参考訳(メタデータ) (2020-02-24T17:19:54Z) - Ascertaining price formation in cryptocurrency markets with DeepLearning [8.413339060443878]
本論文は,近年の株式市場予測にディープラーニングを用いた成功に触発されたものである。
暗号通貨市場の特徴を高周波で分析・提示する。
私たちは、Bitcoinと米ドルのライブ為替レートの中間価格運動の予測について、一貫した78%の精度を達成しました。
論文 参考訳(メタデータ) (2020-02-09T20:23:08Z)
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。