論文の概要: Predicting the Price Movement of Cryptocurrencies Using Linear Law-based Transformation

• arxiv url: http://arxiv.org/abs/2305.04884v1
• Date: Thu, 27 Apr 2023 15:04:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-14 20:55:14.666361
• Title: Predicting the Price Movement of Cryptocurrencies Using Linear Law-based Transformation
• Title（参考訳）: 線形法則変換を用いた暗号通貨の価格変動予測
• Authors: Marcell T. Kurbucz, P\'eter P\'osfay, Antal Jakov\'ac
• Abstract要約: 本研究の目的は,線形法則に基づく特徴空間変換(LLT)と呼ばれる新しい手法が暗号通貨の日内価格変動予測精度に与える影響を検討することである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The aim of this paper is to investigate the effect of a novel method called linear law-based feature space transformation (LLT) on the accuracy of intraday price movement prediction of cryptocurrencies. To do this, the 1-minute interval price data of Bitcoin, Ethereum, Binance Coin, and Ripple between 1 January 2019 and 22 October 2022 were collected from the Binance cryptocurrency exchange. Then, 14-hour nonoverlapping time windows were applied to sample the price data. The classification was based on the first 12 hours, and the two classes were determined based on whether the closing price rose or fell after the next 2 hours. These price data were first transformed with the LLT, then they were classified by traditional machine learning algorithms with 10-fold cross-validation. Based on the results, LLT greatly increased the accuracy for all cryptocurrencies, which emphasizes the potential of the LLT algorithm in predicting price movements.
• Abstract（参考訳）: 本研究の目的は,線形法則に基づく特徴空間変換(LLT)と呼ばれる新しい手法が暗号通貨の日内価格変動予測精度に与える影響を検討することである。 これを実現するために、2019年1月1日から2022年10月22日までの1分間のbitcoin、ethereum、binance coin、rippleの価格データをbinance bitcoin exchangeから収集した。 そして14時間非オーバーラップタイムウィンドウを適用して価格データをサンプリングした。 分類は最初の12時間に基づいており、次の2時間後に終値が上がったか下落したかに基づいて2つのクラスが決定された。 これらの価格はまずLLTで変換され、10倍のクロスバリデーションを持つ従来の機械学習アルゴリズムで分類された。 その結果,LLTは全ての暗号通貨の精度を大幅に向上させ,価格変動を予測するLLTアルゴリズムの可能性を強調した。

関連論文リスト

• 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)
• 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)
• Token Spammers, Rug Pulls, and SniperBots: An Analysis of the Ecosystem of Tokens in Ethereum and in the Binance Smart Chain (BNB) [50.888293380932616]
  トークンと流動性のプールの生態系を研究する。 トークンの約60%が1日以内でアクティブであることが分かりました。 1日間の暴走が2億4000万ドルという利益を生み出したと見積もっている。
  論文  参考訳（メタデータ） (2022-06-16T14:20:19Z)
• Sequence-Based Target Coin Prediction for Cryptocurrency Pump-and-Dump [39.06710188537909]
  本報告では, スケジュールされたポンプ時間前に, 対象交換所に記載された全ての硬貨のポンプ確率を予測することに焦点を当てる。 我々は,2019年1月から2022年1月まで,Telegramで開催されている最新の709件のP&Dイベントを包括的に調査する。 我々は、チャネルのP&Dイベント履歴をシーケンス表現にエンコードする、SNNと呼ばれる新しいシーケンスベースニューラルネットワークを開発した。
  論文  参考訳（メタデータ） (2022-04-21T16:34:53Z)
• Time Series Analysis of Blockchain-Based Cryptocurrency Price Changes [0.0]
  リスクの高い暗号通貨の歴史的記録にAIを適用して、価格を推測する予測モデルをトレーニングする。 このモデルは、LSTM、ドロップアウト、密度の高い3つのレイヤを使用してトレーニングされ、50エポックのトレーニングで損失を最小化する。 最後に、ノートブックは、実際の通貨価格と予測された価格のライングラフを赤でプロットする。
  論文  参考訳（メタデータ） (2022-02-19T04:28:07Z)
• Linear Laws of Markov Chains with an Application for Anomaly Detection in Bitcoin Prices [0.0]
  本稿では,マルコフ連鎖の時間発展を規定する線形法則を探索する手法を提案する。 また、Bitcoin価格の異常検出にもこの方法を適用している。
  論文  参考訳（メタデータ） (2022-01-24T16:40:04Z)
• 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)
• 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)
• 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)
• 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)

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。