Thursday 23 November 2017

Mit Bitcoin Trading Simulation Obtiene Un Beneficio Del 89% En 50 Días


MIT Bitcoin Trading Simulation produce un beneficio del 89% en 50 días Joon Ian Wong (joonian) | Publicado el 14 de octubre de 2014 a las 15:38 GMT Trading bitcoin rentable sigue siendo más de un arte que una ciencia exacta. En cualquier día dado, Reddit está repleto de teorías que explican los movimientos de precios de bitcoin, que van desde indicadores técnicos exóticos hasta las maquinaciones de los vendedores de FUD (miedo, incertidumbre y duda). Eso puede cambiar, sin embargo, con un nuevo documento que afirma haber ideado una estrategia comercial que puede producir un rendimiento del 89% en menos de dos meses. Los autores, el profesor asociado del Instituto de Tecnología de Massachusetts Devavrat Shah y el estudiante de informática Kang Zhang, recopilaron datos de OKCoin. La mayor bolsa del mundo por volumen de operaciones, de febrero a julio. Ellos alimentaron los datos en un modelo estadístico predictivo que han desarrollado y usaron los resultados para realizar una simulación de operaciones CNY / BTC. En la simulación, el comerciante sólo podía ir largo o corto 1 BTC en cada comercio. La volatilidad aumenta los beneficios La simulación comercial, realizada con datos tomados de 50 días consecutivos en mayo y junio, produjo resultados altamente rentables. El comerciante simulado invirtió 3.781 yuanes y realizó 2.872 operaciones. El beneficio acumulado total fue de 3.362 yuanes, o un 89% de retorno sobre la cantidad invertida. La estrategia de negociación produjo los mayores beneficios cuando la volatilidad fue alta, en el período de finales de mayo y principios de junio, y aún era rentable cuando el precio cayó de forma constante al final del período simulado. La estrategia comercial también produjo una proporción de Sharpe de 4,1, escriben los autores. Esto expresa el rendimiento de una cartera después de ajustar la tasa de rendimiento libre de riesgo. Una alta proporción muestra que un inversor produjo retornos mientras que tomó en menos riesgo, con las cuentas de tres y encima de ser considerado excelente. La proporción Sharpe de los autores se compara favorablemente con los fondos de inversión de referencia, como el Fondo del Índice de Mercado de Valores Total Vanguard, el mayor vehículo del mundo. Que vale 355 mil millones de dólares. Ese fondo tiene un año de Sharpe ratio de 1,79 y ha vuelto 8,32% en el último año. Línea azul = precio de bitcoin en OKCoin. Línea negra = beneficio comercial. Fuente: Regresión bayesiana y Bitcoin. Higo. 3 Mirando en los datos Los resultados del documento también pueden apoyar las afirmaciones de los comerciantes técnicos en los mercados bitcoin. Los autores analizaron sus datos de predicción y encontraron evidencia de patrones de "triángulo" y "cabeza y hombros" en las tablas de precios. "Esto parece sugerir que de hecho existen tales patrones y [...] explica el éxito de nuestra estrategia comercial", escriben. Una versión preliminar del artículo titulado Regresión Bayesiana y Bitcoin. Se publicó en las Actas de la Conferencia de Allerton de 2014 sobre Comunicación, Control y Computación, una de las más largas y prestigiosas conferencias en su campo. La conferencia de tres días concluyó el 3 de octubre. Dado el tamaño de comercio restringido de la simulación de 1 BTC, ¿podría hacerse más dinero con más capital en juego? Los autores escriben que se requiere más investigación, aunque especulan que el beneficio puede ser ampliado. Los autores también señalan que se podrían obtener más ganancias mediante el crujido de más datos, aunque esto requeriría "computación a gran escala". Utilizaron una máquina de 32 núcleos con 128 GB de RAM para el estudio y datos "representativos" de series de tiempo en la etapa de modelado predictivo. Orígenes en el análisis de Twitter La simulación predictiva de Shah y Zhang se basa en un "modelo de fuente latente" que fue descrito en un artículo publicado el año pasado y fue diseñado para predecir lo que se convertiría en "temas de tendencias" en Twitter. Shah es coautor de ese trabajo con dos investigadores en MIT y Twitter. Su modelo fue capaz de predecir los temas con tendencia con precisión hasta el 79% del tiempo, según los autores. Imagen de beneficios a través de Shutterstock

No comments:

Post a Comment