論文の概要: Cryptocurrency Price Forecasting Using XGBoost Regressor and Technical Indicators
- arxiv url: http://arxiv.org/abs/2407.11786v1
- Date: Tue, 16 Jul 2024 14:41:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-17 14:32:53.076391
- Title: Cryptocurrency Price Forecasting Using XGBoost Regressor and Technical Indicators
- Title(参考訳): XGBoostRegressorとTechnical Indicatorsを用いた暗号価格予測
- Authors: Abdelatif Hafid, Maad Ebrahim, Ali Alfatemi, Mohamed Rahouti, Diogo Oliveira,
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 2.038893829552158
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid growth of the stock market has attracted many investors due to its potential for significant profits. However, predicting stock prices accurately is difficult because financial markets are complex and constantly changing. This is especially true for the cryptocurrency market, which is known for its extreme volatility, making it challenging for traders and investors to make wise and profitable decisions. This study introduces a machine learning approach to predict cryptocurrency prices. Specifically, we make use of important technical indicators such as Exponential Moving Average (EMA) and Moving Average Convergence Divergence (MACD) to train and feed the XGBoost regressor model. We demonstrate our approach through an analysis focusing on the closing prices of Bitcoin cryptocurrency. We evaluate the model's performance through various simulations, showing promising results that suggest its usefulness in aiding/guiding cryptocurrency traders and investors in dynamic market conditions.
- Abstract(参考訳): 株式市場の急激な成長は、多くの投資家を惹きつけている。
しかし、金融市場は複雑で常に変化しているため、株価を正確に予測することは困難である。
これは、その極端なボラティリティで知られている暗号通貨市場にとって特に当てはまり、トレーダーや投資家が賢明で利益率の高い決定を下すことを困難にしている。
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。
具体的には、XGBoost回帰モデルの訓練および供給には、EMA(Exponential moving Avergence)やMACD( moving Avergence Divergence)といった重要な技術指標を利用する。
弊社のアプローチは、Bitcoin暗号通貨の閉鎖価格に着目した分析を通じて実証している。
我々は,様々なシミュレーションを通じてモデルの性能を評価し,動的市場環境における暗号通貨トレーダーや投資家の援助・指導に有用であることを示す有望な結果を示す。
関連論文リスト
- 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) - DAM: A Universal Dual Attention Mechanism for Multimodal Timeseries Cryptocurrency Trend Forecasting [3.8965079384103865]
本稿では,マルチモーダル時系列データを用いた暗号通貨のトレンド予測のための新しいデュアルアテンションメカニズム(DAM)を提案する。
われわれのアプローチは、重要な暗号通貨メトリクスと、CryptoBERTを通じて分析されたニュースやソーシャルメディアからの感情データを統合する。
本手法は,分散システム,自然言語処理,財務予測といった要素を組み合わせることで,LSTMやTransformerといった従来のモデルよりも最大20%高い精度で性能を向上する。
論文 参考訳(メタデータ) (2024-05-01T13:58:01Z) - 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) - Causal Feature Engineering of Price Directions of Cryptocurrencies using Dynamic Bayesian Networks [1.4356611205757077]
仮想通貨の人気は上昇しているが、価格のボラティリティと不確実性のため、暗号通貨はリスクの高い投資のままである。
本稿では,5つの人気の価格方向を予測できる動的ベイズネットワーク(DBN)手法を提案する。
次のトレーディングデーでBitcoin以外は。
論文 参考訳(メタデータ) (2023-06-13T22:07:51Z) - 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) - Forecasting Bitcoin volatility spikes from whale transactions and
CryptoQuant data using Synthesizer Transformer models [5.88864611435337]
ボラティリティ予測のためのディープラーニング合成器変換器モデルを提案する。
以上の結果から,既存の最先端モデルよりも優れたモデルであることが示唆された。
提案手法はビットコイン市場における極端なボラティリティ(変動性)の動きを予測するための有用なツールであることを示す。
論文 参考訳(メタデータ) (2022-10-06T05:44:29Z) - 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) - Stock price prediction using BERT and GAN [0.0]
本稿では、株価を予測するための最先端の手法の集合体を提案する。
これはGoogle for Natural Language Processing (NLP)によって事前訓練されたトランスフォーマーモデルであるBERTのバージョンを使用している。
その後、GAN(Generative Adversarial Network)は、Apple Inc.の株価を、技術指標、さまざまな国の株価指数、いくつかの商品、そして歴史的価格と評価スコアを用いて予測する。
論文 参考訳(メタデータ) (2021-07-18T18:31:43Z) - The Doge of Wall Street: Analysis and Detection of Pump and Dump
Cryptocurrency Manipulations [63.732639864601914]
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。
ポンプとダンプの3つのケーススタディについて報告します。次に、検証済みポンプとダンプのユニークなデータセットを利用して、開始から25秒でポンプとダンプを検出する機械学習モデルを構築します。
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 [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。