論文の概要: Feature-Rich Long-term Bitcoin Trading Assistant

• arxiv url: http://arxiv.org/abs/2209.12664v1
• Date: Wed, 14 Sep 2022 14:51:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-02 23:30:47.316370
• Title: Feature-Rich Long-term Bitcoin Trading Assistant
• Title（参考訳）: 機能豊富な長期bitcoin取引アシスタント
• Authors: Jatin Nainani (1), Nirman Taterh (1), Md Ausaf Rashid (1), Ankit Khivasara (1) ((1) K. J. Somaiya College of Engineering)
• Abstract要約: Bitcoin市場はトレーダーの感情や感情に従うため、私たちのトレーディング環境のもうひとつの要素は、Twitter上の市場全体のセンチメントスコアである。 この剤は、コビッド19の揮発性期間を含む685日間試験される。 信頼性の高いレコメンデーションを提供することができ、平均利益は約69%である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: For a long time predicting, studying and analyzing financial indices has been of major interest for the financial community. Recently, there has been a growing interest in the Deep-Learning community to make use of reinforcement learning which has surpassed many of the previous benchmarks in a lot of fields. Our method provides a feature rich environment for the reinforcement learning agent to work on. The aim is to provide long term profits to the user so, we took into consideration the most reliable technical indicators. We have also developed a custom indicator which would provide better insights of the Bitcoin market to the user. The Bitcoin market follows the emotions and sentiments of the traders, so another element of our trading environment is the overall daily Sentiment Score of the market on Twitter. The agent is tested for a period of 685 days which also included the volatile period of Covid-19. It has been capable of providing reliable recommendations which give an average profit of about 69%. Finally, the agent is also capable of suggesting the optimal actions to the user through a website. Users on the website can also access the visualizations of the indicators to help fortify their decisions.
• Abstract（参考訳）: 長い間、金融指標の予測、研究、分析が金融コミュニティにとって大きな関心を集めてきた。 近年、多くの分野において過去のベンチマークの多くを上回り、強化学習を利用するためのディープラーニングコミュニティへの関心が高まっている。 提案手法は,強化学習エージェントが取り組む機能豊富な環境を提供する。 利用者に長期的利益を提供することを目標とし、最も信頼性の高い技術指標を考慮に入れた。 私たちはまた、Bitcoin市場に関するより良い洞察をユーザーに提供できるカスタム指標も開発した。 Bitcoin市場はトレーダーの感情や感情に従うため、私たちのトレーディング環境のもうひとつの要素は、Twitter上の市場全体のセンチメントスコアである。 この薬は、covid-19の揮発性期間を含む685日間にわたって試験される。 信頼性の高いレコメンデーションを提供することができ、平均利益は約69%である。 最後に、エージェントはウェブサイトを通じてユーザーに対して最適なアクションを提案することもできる。 ウェブサイトのユーザは、インジケータの視覚化にアクセスして、意思決定を強化することもできる。

関連論文リスト

• Cryptocurrency Price Forecasting Using XGBoost Regressor and Technical Indicators [2.038893829552158]
  本研究では,暗号通貨の価格を予測するための機械学習手法を提案する。 我々は、XGBoost回帰モデルの訓練および供給のために、EMA(Exponential moving Avergence)やMACD( moving Avergence Divergence)といった重要な技術指標を活用している。 モデルの性能を様々なシミュレーションにより評価し,有望な結果を示す。
  論文  参考訳（メタデータ） (2024-07-16T14:41:27Z)
• Identifying key players in dark web marketplaces [58.720142291102135]
  この論文は、暗黒市場に関連するBitcoin取引ネットワークのキープレーヤーを特定することを目的としている。 取引量の大部分は、エリート市場参加者の小さなグループに集中していることを示す。 ダークウェブのマーケットプレースにおけるキープレーヤーの行動を理解することは、違法行為を効果的に破壊するために重要であることを示唆している。
  論文  参考訳（メタデータ） (2023-06-15T20:30:43Z)
• Dynamic Datasets and Market Environments for Financial Reinforcement Learning [68.11692837240756]
  FinRL-Metaは、現実世界の市場からジムスタイルの市場環境へ動的データセットを処理するライブラリである。 我々は,ユーザが新しい取引戦略を設計するための足場として,人気のある研究論文を例示し,再現する。 また、ユーザが自身の結果を視覚化し、相対的なパフォーマンスを評価するために、このライブラリをクラウドプラットフォームにデプロイします。
  論文  参考訳（メタデータ） (2023-04-25T22:17:31Z)
• Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [57.70351255180495]
  当社はChatGPTを使用して、各見出しが企業の株価に対して良いか悪いか、中立かを評価する。 また,ChatGPTは従来の感情分析法よりも優れていた。 ChatGPT-4に基づくロングショート戦略はシャープ比が最も高い。
  論文  参考訳（メタデータ） (2023-04-15T19:22:37Z)
• 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)
• Smart Contract Vulnerability Detection: From Pure Neural Network to Interpretable Graph Feature and Expert Pattern Fusion [48.744359070088166]
  従来のスマートコントラクトの脆弱性検出方法は、専門家の規則に大きく依存している。 最近のディープラーニングアプローチはこの問題を軽減するが、有用な専門家の知識をエンコードすることができない。 ソースコードから専門家パターンを抽出する自動ツールを開発する。 次に、深いグラフの特徴を抽出するために、コードをセマンティックグラフにキャストします。
  論文  参考訳（メタデータ） (2021-06-17T07:12:13Z)
• StockBabble: A Conversational Financial Agent to support Stock Market Investors [4.640835690336653]
  株式市場への理解と関与を支援するために設計された会話エージェントであるStockBabbleを紹介します。 ユーザーは企業に関する情報を問い合わせて、株式の全体的および財務的概要を検索することができる。 エージェントの可能性を評価するため,15名の被験者を対象にユーザスタディを行った。
  論文  参考訳（メタデータ） (2021-06-15T17:19:30Z)
• On Technical Trading and Social Media Indicators in Cryptocurrencies' Price Classification Through Deep Learning [7.7172142175424066]
  本研究は、2017年1月から2021年1月までの1時間/日のデータを用いて、暗号通貨の価格変動の予測可能性を分析することを目的とする。 実験では,技術指標のみの制限モデルと,技術指標,トレーディング指標,ソーシャルメディア指標の非制限モデルを考慮して,技術指標,トレーディング指標,ソーシャルメディア指標の3つの機能を用いた。 この研究は、時間ごとの結果に基づいて、制限のないモデルが制限されたモデルを上回ることを示している。
  論文  参考訳（メタデータ） (2021-02-13T13:18:36Z)
• 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)
• Pump and Dumps in the Bitcoin Era: Real Time Detection of Cryptocurrency Market Manipulations [63.732639864601914]
  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。