QuantSnake
#量化交易
暗号通貨界の機械学習のスタイル
暗号通貨の世界において、機械学習戦略のスタイルは、選択するコインの数と資金の配分方法に大きく依存します。
私たちは皆、暗号通貨市場の成熟度が従来の市場よりもはるかに低いことを知っています。
したがって、ここではファットテール効果がより顕著になります。
正のブラックスワンでも、逆のブラックスワンでも、
それらの出現頻度は、従来の市場よりもはるかに高い。
コインを多く選択する場合、
機械学習モデルは、肥尾分布における「全体の平均状況」により重点を置いています。
このような全市場環境では、限られた注意力のために、
市場はしばしば持続的に上昇することが難しい、
したがって、逆転効果はより明確になり、スタイルは逆転ファクターにより近くなるでしょう。
言い換えれば、多通貨の機械学習戦略を選択することは、
日常市場では安定したパフォーマンスを示すことがよくあります。
しかし、特に価格変動が大きい通貨(例えばMYX、ALPACA)に遭遇した場合は、
モデルは顕著な損失を出す可能性があります。
そして通貨の数量が少ないとき、
機械学習モデルは、少数の対象の強い動きにより集中するようになります。
持続的に上昇し、高い注目を集めているコインの捕捉に焦点を当てる、
この種の戦略は、モメンタム効果により偏っています。
「ロングコイン戦略」の大幅な変動市場における
原文表示暗号通貨界の機械学習のスタイル
暗号通貨の世界において、機械学習戦略のスタイルは、選択するコインの数と資金の配分方法に大きく依存します。
私たちは皆、暗号通貨市場の成熟度が従来の市場よりもはるかに低いことを知っています。
したがって、ここではファットテール効果がより顕著になります。
正のブラックスワンでも、逆のブラックスワンでも、
それらの出現頻度は、従来の市場よりもはるかに高い。
コインを多く選択する場合、
機械学習モデルは、肥尾分布における「全体の平均状況」により重点を置いています。
このような全市場環境では、限られた注意力のために、
市場はしばしば持続的に上昇することが難しい、
したがって、逆転効果はより明確になり、スタイルは逆転ファクターにより近くなるでしょう。
言い換えれば、多通貨の機械学習戦略を選択することは、
日常市場では安定したパフォーマンスを示すことがよくあります。
しかし、特に価格変動が大きい通貨(例えばMYX、ALPACA)に遭遇した場合は、
モデルは顕著な損失を出す可能性があります。
そして通貨の数量が少ないとき、
機械学習モデルは、少数の対象の強い動きにより集中するようになります。
持続的に上昇し、高い注目を集めているコインの捕捉に焦点を当てる、
この種の戦略は、モメンタム効果により偏っています。
「ロングコイン戦略」の大幅な変動市場における


