論文の概要: Blockchain Metrics and Indicators in Cryptocurrency Trading
- arxiv url: http://arxiv.org/abs/2403.00770v1
- Date: Sun, 11 Feb 2024 12:34:58 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-25 08:36:53.284003
- Title: Blockchain Metrics and Indicators in Cryptocurrency Trading
- Title（参考訳）: 暗号通貨取引におけるブロックチェーンメトリクスと指標
- Authors: Juan C. King, Roberto Dale, José M. Amigó,
- Abstract要約: 本研究の目的は、暗号通貨市場での運用に役立つ新しい指標の構築である。
これらの指標は、ブロックチェーンネットワーク、特にBitcoinマイニングを構成するノードから得られる公開データに基づいています。
- 参考スコア（独自算出の注目度）: 0.22940141855172028
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The objective of this paper is the construction of new indicators that can be useful to operate in the cryptocurrency market. These indicators are based on public data obtained from the blockchain network, specifically from the nodes that make up Bitcoin mining. Therefore, our analysis is unique to that network. The results obtained with numerical simulations of algorithmic trading and prediction via statistical models and Machine Learning demonstrate the importance of variables such as the hash rate, the difficulty of mining or the cost per transaction when it comes to trade Bitcoin assets or predict the direction of price. Variables obtained from the blockchain network will be called here blockchain metrics. The corresponding indicators (inspired by the "Hash Ribbon") perform well in locating buy signals. From our results, we conclude that such blockchain indicators allow obtaining information with a statistical advantage in the highly volatile cryptocurrency market.
- Abstract（参考訳）: 本研究の目的は、暗号通貨市場での運用に役立つ新しい指標の構築である。
これらの指標は、ブロックチェーンネットワーク、特にBitcoinマイニングを構成するノードから得られる公開データに基づいています。
したがって、我々の分析はそのネットワークに固有のものである。
統計モデルと機械学習によるアルゴリズム取引と予測の数値シミュレーションにより得られた結果は、Bitcoin資産の取引や価格方向の予測において、ハッシュレート、マイニングの難しさ、トランザクション当たりのコストといった変数の重要性を示す。
ブロックチェーンネットワークから取得した変数は、ここでブロックチェーンメトリクスと呼ばれる。
対応する指標("Hash Ribbon"にインスパイアされた)は、購入信号の特定においてよく機能する。
この結果から、このようなブロックチェーン指標は、非常に不安定な暗号通貨市場において、統計的に有利な情報を得ることを可能にすると結論付けている。
関連論文リスト
- Using Sentiment and Technical Analysis to Predict Bitcoin with Machine Learning [1.3053649021965603]
本研究は,暗号通貨予測における感情指標の重要性に関する予備研究である。
我々は、Fear & Greedy Index、市場感情の指標、技術分析指標、および機械学習アルゴリズムの可能性を組み合わせることで、Bitcoin価格を予測する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2024-10-18T15:13:07Z) - 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) - Blockchains for Internet of Things: Fundamentals, Applications, and Challenges [38.29453164670072]
すべてのブロックチェーンシステムが、特定のIoTアプリケーションに適しているわけではない。
パブリックブロックチェーンは機密データを格納するのに適していない。
ブロックチェーンのアプリケーションを、エッジAI、通信、ヘルスケアの3つの重要なIoT領域で調査する。
論文 参考訳（メタデータ） (2024-05-08T04:25:57Z) - Interplay between Cryptocurrency Transactions and Online Financial
Forums [41.94295877935867]
本研究は、これらの暗号掲示板間の相互作用と暗号値の変動に関する研究に焦点をあてる。
これは、Bitcointalkフォーラムの活動がBTCの値のトレンドと直接的な関係を保っていることを示している。
この実験は、フォーラムデータが金融分野における特定の出来事を説明することを強調している。
論文 参考訳（メタデータ） (2023-11-27T16:25:28Z) - A Data-driven Deep Learning Approach for Bitcoin Price Forecasting [10.120972108960425]
本稿では,bitcoinの閉口価格を日単位の時間枠で予測するために,浅い双方向LSTM(Bidirectional-LSTM)モデルを提案する。
本稿では,他の予測手法と比較し,提案手法の助けを借りて,浅層ニューラルネットワークが他の一般的な価格予測モデルより優れていることを示す。
論文 参考訳（メタデータ） (2023-10-27T10:35:47Z) - 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) - Blockchain-Empowered Trustworthy Data Sharing: Fundamentals,
Applications, and Challenges [32.33334974604895]
さまざまなデータ共有プラットフォームが出現し、オープンデータに対する公的な需要が高まり、特定のデータをオープンにすることを義務付ける法律が制定されている。
これらのプラットフォームの多くは不透明なままであり、データの正確性、証明と系統、プライバシーへの影響、同意管理、データプロバイダに対する公正なインセンティブの欠如など、多くの疑問につながります。
透明性、不変性、非監査性、分散化プロパティによって、ブロックチェーンはこれらの質問に答えて、データ共有プラットフォームへの信頼を高めることができなくなりました。
論文 参考訳（メタデータ） (2023-03-12T02:56:52Z) - Graph Regularized Nonnegative Latent Factor Analysis Model for Temporal
Link Prediction in Cryptocurrency Transaction Networks [1.6801544027052142]
ネットワークのリンク予測学習構造は,ネットワークのメカニズムを理解する上で有用である。
本稿では,1つの潜在因子依存型,非負性,乗算型,グラフ正規化型更新(SLF-NMGRU)アルゴリズムを提案する。
実際の暗号通貨取引ネットワークの実験により,提案手法は精度と計算効率の両方を向上することを示した。
論文 参考訳（メタデータ） (2022-08-03T08:58:59Z) - BABD: A Bitcoin Address Behavior Dataset for Address Behavior Pattern
Analysis [36.42552617883664]
私たちは、2019年7月12日から2021年5月26日までにBitcoin取引からなるデータセットを構築しました。
このデータセットには、13種類のBitcoinアドレス、148の機能を提供する5つのカテゴリ、ラベル付きデータ544,462が含まれている。
提案したデータセットは、k-nearest neighborsアルゴリズム、決定木、ランダムフォレスト、多層パーセプトロン、XGBoostといった一般的な機械学習モデルに基づく。
論文 参考訳（メタデータ） (2022-04-10T06:46:51Z) - Quantum-resistance in blockchain networks [46.63333997460008]
本稿では、ブロックチェーンネットワークにおける量子脅威を特定し、排除するために、米国間開発銀行、IDBラボ、LACChain、量子コンピューティング(CQC)、Tecnologicalo de Monterreyによる研究について述べる。
量子コンピューティングの出現は、非量子耐性暗号アルゴリズムを利用するため、インターネットプロトコルやブロックチェーンネットワークを脅かす。
論文 参考訳（メタデータ） (2021-06-11T23:39:25Z) - A Blockchain Transaction Graph based Machine Learning Method for Bitcoin
Price Prediction [8.575998118995216]
既存のbitcoinの予測は、主に簡単な機能エンジニアリングに当てはまる。
異なる範囲のパターンを明らかにするために,kオーダーのトランザクショングラフを提案する。
特徴を受け入れて価格予測を行う新しい予測手法を提案し, 異なる歴史時代の特定のパターンを生かした価格予測手法を提案する。
論文 参考訳（メタデータ） (2020-08-21T20:08:17Z)
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。