論文の概要: Exploration of Algorithmic Trading Strategies for the Bitcoin Market
- arxiv url: http://arxiv.org/abs/2110.14936v1
- Date: Thu, 28 Oct 2021 08:13:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-30 05:04:35.684728
- Title: Exploration of Algorithmic Trading Strategies for the Bitcoin Market
- Title（参考訳）: Bitcoin市場におけるアルゴリズム取引戦略の探索
- Authors: Nathan Crone, Eoin Brophy, Tomas Ward
- Abstract要約: この取り組みは、Bitcoin市場にアルゴリズムによるトレーディングのアプローチをもたらし、その価格の変動を日々利用している。
我々は,2021年第1四半期を通じて収集された全く見えないデータに基づいて,実世界のトレーディング戦略を用いてモデルを実証的に評価した。
モデルの平均利益は86%で、従来の買い取り戦略と一致した。
- 参考スコア（独自算出の注目度）: 1.933681537640272
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Bitcoin is firmly becoming a mainstream asset in our global society. Its
highly volatile nature has traders and speculators flooding into the market to
take advantage of its significant price swings in the hope of making money.
This work brings an algorithmic trading approach to the Bitcoin market to
exploit the variability in its price on a day-to-day basis through the
classification of its direction. Building on previous work, in this paper, we
utilise both features internal to the Bitcoin network and external features to
inform the prediction of various machine learning models. As an empirical test
of our models, we evaluate them using a real-world trading strategy on
completely unseen data collected throughout the first quarter of 2021. Using
only a binary predictor, at the end of our three-month trading period, our
models showed an average profit of 86\%, matching the results of the more
traditional buy-and-hold strategy. However, after incorporating a risk
tolerance score into our trading strategy by utilising the model's prediction
confidence scores, our models were 12.5\% more profitable than the simple
buy-and-hold strategy. These results indicate the credible potential that
machine learning models have in extracting profit from the Bitcoin market and
act as a front-runner for further research into real-world Bitcoin trading.
- Abstract（参考訳）: Bitcoinは、われわれのグローバルな社会におけるメインストリームの資産になりつつある。
その非常に不安定な性質は、トレーダーや投機家が市場に入り込み、利益を期待する価格変動を生かしている。
この取り組みは、Bitcoin市場にアルゴリズムによるトレーディングアプローチをもたらし、その方向性の分類を通じて、日々の価格の変動性を活用する。
本稿では,従来の研究に基づいて,Bitcoinネットワークの内部機能と外部機能の両方を利用して,さまざまな機械学習モデルの予測を行う。
実証実験として,2021年第1四半期を通じて収集したデータに対して,実世界の取引戦略を用いて評価を行った。
3ヶ月のトレーディング期間の終わりには、バイナリ予測のみを使用して、当社のモデルの平均利益は86%で、従来型の買い取り戦略の結果と一致しました。
しかし、モデルの予測信頼度を利用して、トレーディング戦略にリスク寛容スコアを組み込んだ後、私たちのモデルは、単純な買い取り戦略よりも12.5\%利益があった。
これらの結果は、機械学習モデルがbitcoin市場から利益を抽出し、現実世界のbitcoin取引に関するさらなる研究の最前線として働く可能性を示している。
関連論文リスト
- Predicting Bitcoin Market Trends with Enhanced Technical Indicator Integration and Classification Models [6.39158540499473]
本研究では,暗号市場の方向性を予測するための分類に基づく機械学習モデルを提案する。
歴史的データと、移動平均収束分量、相対強度指数、ボリンジャーバンドなどの重要な技術指標を用いて訓練されている。
その結果、購入/販売信号の精度は92%を超えた。
論文 参考訳（メタデータ） (2024-10-09T14:29:50Z) - A Comprehensive Analysis of Machine Learning Models for Algorithmic Trading of Bitcoin [0.3069335774032178]
本研究は,アルゴリズム取引におけるビットコイン価格の予測において,21の分類器と20の回帰器を含む41の機械学習モデルの性能を評価する。
我々の包括的な分析は、各モデルの強みと限界を明らかにし、効果的な取引戦略を開発する上で重要な洞察を与えます。
論文 参考訳（メタデータ） (2024-07-09T13:07:43Z) - Beyond Trend Following: Deep Learning for Market Trend Prediction [49.89480853499917]
我々は、将来の市場動向を予測するために人工知能と機械学習技術を使うことを提唱する。
これらの予測は、適切に実行されれば、リターンを増やし、損失を減らすことで資産運用者のパフォーマンスを向上させることができる。
論文 参考訳（メタデータ） (2024-06-10T11:42:30Z) - Joint Latent Topic Discovery and Expectation Modeling for Financial
Markets [45.758436505779386]
金融市場分析のための画期的な枠組みを提示する。
このアプローチは、投資家の期待を共同でモデル化し、潜伏する株価関係を自動的に掘り下げる最初の方法だ。
私たちのモデルは年率10%を超えるリターンを継続的に達成します。
論文 参考訳（メタデータ） (2023-06-01T01:36:51Z) - PreBit -- A multimodal model with Twitter FinBERT embeddings for extreme
price movement prediction of Bitcoin [8.38397409405955]
我々はビットコインの極端な価格変動を予測するためのマルチモーダルモデルを提案する。
このモデルは、さまざまな関連資産、技術的指標、およびTwitterコンテンツとして入力される。
平均的戦略を移動させるリスクを減らし、黒字取引戦略を構築するのに使用できることを示す。
論文 参考訳（メタデータ） (2022-05-30T19:25:12Z) - A Word is Worth A Thousand Dollars: Adversarial Attack on Tweets Fools
Stock Prediction [100.9772316028191]
本稿では,3つのストック予測犠牲者モデルを騙すために,様々な攻撃構成を試行する。
以上の結果から,提案手法が一貫した成功率を達成し,取引シミュレーションにおいて大きな損失をもたらす可能性が示唆された。
論文 参考訳（メタデータ） (2022-05-01T05:12:22Z) - Cryptocurrency Valuation: An Explainable AI Approach [0.8566457170664925]
本稿では、独自のブロックチェーン会計手法を用いて、新しい市場間投資比率、価格対実用率(PU)比率を提案する。
PU比は、代替手段よりも長期のbitcoinリターンを効果的に予測する。
本稿では、従来の買い取り戦略や市場刺激戦略よりも優れたPU比による自動取引戦略を提案する。
論文 参考訳（メタデータ） (2022-01-30T19:01:23Z) - 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) - Should You Take Investment Advice From WallStreetBets? A Data-Driven
Approach [37.86739837901986]
Reddit の WallStreetBets (WSB) コミュニティは,現在 Meme ストックと呼ばれているものの株価に影響を及ぼすという,その顕著な役割から,注目を浴びている。
本稿は、2019年1月から2021年4月までのWSBデータを分析し、コミュニティのレコメンデーションに依存する投資戦略がいかに成功していたかを評価する。
論文 参考訳（メタデータ） (2021-05-06T14:47:03Z) - Taking Over the Stock Market: Adversarial Perturbations Against
Algorithmic Traders [47.32228513808444]
本稿では,敵対的学習手法を用いて,攻撃者がアルゴリズム取引システムに影響を与える現実的なシナリオを提案する。
入力ストリームに追加されると、我々の摂動は将来目に見えないデータポイントのトレーディングアルゴリズムを騙すことができることを示す。
論文 参考訳（メタデータ） (2020-10-19T06:28:05Z) - Real-Time Prediction of BITCOIN Price using Machine Learning Techniques
and Public Sentiment Analysis [0.0]
本研究の目的は、機械学習技術と感情分析により、USDにおけるBitcoinの予測可能な価格方向を決定することである。
TwitterとRedditは、大衆の感情を研究する研究者から大きな注目を集めている。
我々は、感情分析と機械学習の原則をTwitterやRedditの投稿から抽出したツイートに適用した。
論文 参考訳（メタデータ） (2020-06-18T15:40:11Z)
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。