О методах построения торговых стратегий на криптовалютных рынках

Обложка

Цитировать

Полный текст

Аннотация

В работе предлагается торговая стратегия инвестирования в рынок криптовалют, использующая мгновенные входы на рынок на основе дополнительных источников информации в виде разработанного набора данных. Задача прогнозирования момента входа на рынок формулируется как задача классификации тренда стоимости криптовалют. Для её решения в статье использовались ансамблевые модели и глубокие нейронные сети, что позволило получить прогноз с высокой точностью. Компьютерный анализ различных инвестиционных стратегий показал значительное преимущество предложенной модели инвестирования перед традиционными методами машинного обучения.

Об авторах

Е. Ю. Щетинин

Финансовый университет при Правительстве Российской Федерации

Автор, ответственный за переписку.
Email: riviera-molto@mail.ru
ORCID iD: 0000-0003-3651-7629

Doctor of Physical and Mathematical Sciences, Lecturer of Department of Mathematics

Ленинградский проспект, д. 49, Москва, 125993, Россия

Список литературы

  1. E. Y. Shchetinin, “Study of the impact of the COVID-19 pandemic on international air transportation,” Discrete and Continuous Models and Applied Computational Science, vol. 29, no. 1, pp. 22-35, 2021. doi: 10.22363/2658-4670-2021-29-1-22-35.
  2. E. Y. Shchetinin, Y. G. Prudnikov, and P. N. Markov, “Long range memory modeling and estimation for financial time series,” RUDN Journal of Mathematics, Information Sciences and Physics, no. 1, pp. 98- 106, 2011, in Russian.
  3. J. Spörer, “Backtesting of algorithmic cryptocurrency trading strategies,” Available at SSRN, 2020. doi: 10.2139/ssrn.3620154.
  4. A. Y. Mikhailov, “Cryptoassets pricing and equity indices correlation,” Finance and Credit, vol. 24, no. 3, pp. 641-651, 2018, in Russian. doi: 10.24891/fc.24.3.641.
  5. A. Geron, Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow: concepts, tools, and techniques to build intelligent systems, 2nd Edition. O’Reilly Media, Inc., 2019.
  6. G. G. Ognev and E. Y. Shchetinin, “Deep neural networks with LSTM architecture for predicting financial time series,” in Information and Telecommunication Technologies and Mathematical Modeling of High-Tech Systems 2020 (ITTMM 2020), in Russian, Moscow, Russia, April 13-17, 2020, pp. 280-283.
  7. A. Arratia and A. X. Lopez-Barrantes, “Do Google trends forecast bitcoins? Stylized facts and statistical evidence,” Journal of Banking and Financial Technology, vol. 5, no. 1, pp. 45-57, 2021.

© Щетинин Е.Ю., 2022

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах