論文の概要: Cryptocurrency Valuation: An Explainable AI Approach
- arxiv url: http://arxiv.org/abs/2201.12893v8
- Date: Sat, 8 Jul 2023 09:52:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-11 19:33:29.697037
- Title: Cryptocurrency Valuation: An Explainable AI Approach
- Title（参考訳）: 暗号通貨の評価 - 説明可能なAIアプローチ
- Authors: Yulin Liu and Luyao Zhang
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.8566457170664925
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Currently, there are no convincing proxies for the fundamentals of
cryptocurrency assets. We propose a new market-to-fundamental ratio, the
price-to-utility (PU) ratio, utilizing unique blockchain accounting methods. We
then proxy various existing fundamental-to-market ratios by Bitcoin historical
data and find they have little predictive power for short-term bitcoin returns.
However, PU ratio effectively predicts long-term bitcoin returns than
alternative methods. Furthermore, we verify the explainability of PU ratio
using machine learning. Finally, we present an automated trading strategy
advised by the PU ratio that outperforms the conventional buy-and-hold and
market-timing strategies. Our research contributes to explainable AI in finance
from three facets: First, our market-to-fundamental ratio is based on classic
monetary theory and the unique UTXO model of Bitcoin accounting rather than ad
hoc; Second, the empirical evidence testifies the buy-low and sell-high
implications of the ratio; Finally, we distribute the trading algorithms as
open-source software via Python Package Index for future research, which is
exceptional in finance research.
- Abstract（参考訳）: 現在、暗号通貨資産の基礎に関する説得力のあるプロキシは存在しない。
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(PU比)を提案する。
その後、Bitcoinの履歴データによって、さまざまな基本的な市場比をプロキシし、短期的なbitcoinリターンの予測力はほとんどない。
しかし、pu比率は、他の方法よりも長期bitcoinリターンを効果的に予測する。
さらに,機械学習を用いてPU比の説明可能性を検証する。
最後に、PU比によって推奨される自動取引戦略を提示する。
第1に、私たちの市場と資金の比率は、古典的な金融理論と、アドホックではなくBitcoin会計のユニークなUTXOモデルに基づくものであり、第2に、この比率の買い得と売り上げ高の影響を実証する実証的証拠であり、最後に、将来の研究において例外となるPython Package Indexを介して、オープンソースソフトウェアとしてトレーディングアルゴリズムを配布する。
関連論文リスト
- 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) - Deep Learning and NLP in Cryptocurrency Forecasting: Integrating Financial, Blockchain, and Social Media Data [3.6390165502400875]
本稿では,機械学習(ML)と自然言語処理(NLP)技術を活用した暗号通貨価格予測の新しい手法を提案する。
ニュースやソーシャルメディアのコンテンツを分析することで、仮想通貨市場に対する大衆の感情の影響を評価する。
論文 参考訳（メタデータ） (2023-11-23T16:14:44Z) - 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) - Uniswap Liquidity Provision: An Online Learning Approach [49.145538162253594]
分散取引所(DEX)は、テクノロジーを活用した新しいタイプのマーケットプレイスである。
そのようなDECの1つ、Unixwap v3は、流動性プロバイダが資金のアクティブな価格間隔を指定することで、より効率的に資金を割り当てることを可能にする。
これにより、価格間隔を選択するための最適な戦略を見出すことが問題となる。
我々は、この問題を非確率的な報酬を伴うオンライン学習問題として定式化する。
論文 参考訳（メタデータ） (2023-02-01T17:21:40Z) - The Efficient Market Hypothesis for Bitcoin in the context of neural
networks [0.0]
本研究では、フィードフォワードニューラルネットワークを用いて、Bitcoinの効率的な市場仮説の弱い形について検討する。
ニューラルネットワーク手法により,付加的なアセットクラスを追加しても,予測精度は向上しない。
1つの機能セットは、買い取り戦略を部分的に上回ることができるが、他の機能が追加されると、パフォーマンスは再び低下する。
論文 参考訳（メタデータ） (2022-06-25T09:04:37Z) - Beyond Trading Data: The Hidden Influence of Public Awareness and Interest on Cryptocurrency Volatility [7.091344537490436]
本研究はビットコイン・ドル取引レートのボラティリティに影響を及ぼす様々な独立した要因について検討する。
我々は,AdaBoost-LSTMアンサンブルモデルであるCoMForEを提案する。
先進的なモデルでは、全体的な暗号通貨価値分布の変動を予測し、投資決定に対する価値を高めることで、さらに一歩進んでいます。
論文 参考訳（メタデータ） (2022-02-12T21:39:29Z) - Deep Q-Learning Market Makers in a Multi-Agent Simulated Stock Market [58.720142291102135]
本稿では,エージェント・ベースの観点から,これらのマーケット・メーカーの戦略に関する研究に焦点をあてる。
模擬株式市場における知的市場マーカー作成のための強化学習(Reinforcement Learning, RL)の適用を提案する。
論文 参考訳（メタデータ） (2021-12-08T14:55:21Z) - Exploration of Algorithmic Trading Strategies for the Bitcoin Market [1.933681537640272]
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。
論文 参考訳（メタデータ） (2021-10-28T08:13:34Z) - The Doge of Wall Street: Analysis and Detection of Pump and Dump Cryptocurrency Manipulations [50.521292491613224]
本稿では,インターネット上のコミュニティによって組織された2つの市場操作(ポンプとダンプと群衆ポンプ)について,詳細な分析を行う。
ポンプとダンプの仕組みは、株式市場と同じくらい古い詐欺だ。今や、緩やかに規制された暗号通貨市場において、新たな活力を得た。
本報告では,ポンプ群とダンプ群に関する3症例について報告する。
論文 参考訳（メタデータ） (2021-05-03T10:20:47Z) - Pump and Dumps in the Bitcoin Era: Real Time Detection of Cryptocurrency Market Manipulations [50.521292491613224]
インターネット上のコミュニティによって組織されたポンプとダンプの詳細な分析を行う。
これらのコミュニティがどのように組織化され、どのように詐欺を行うかを観察します。
本研究では,不正行為をリアルタイムに検出する手法を提案する。
論文 参考訳（メタデータ） (2020-05-04T21:36:18Z) - 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。