@machinelearningnet
3.37K subscribers
196 photos
14 videos
47 files
230 links
Machine Learning Applications in Finance
Download Telegram
🚀 به‌تازگی مقاله‌ای رو منتشر کردیم که یکی از بحث‌های مهم در حوزه مالی رو بررسی می‌کنه:

🔸 آیا ناکارایی بازار رمزارزها ثابت و همیشگیه یا اینکه در طول زمان تغییر می‌کنه و خودش رو تطبیق می‌ده؟

برای پاسخ به این سؤال، ما یک چارچوب معاملاتی تطبیقی ساختیم که ترکیبیه از:

🔻داده‌های بنیادی زنجیره (On-chain)،

🔻سیگنال‌های رفتاری مبتنی بر الگوهای روند،

🔻متااطلاعات استراتژی،

🔻و آمارهای کلاسیک بازار.


به‌جای اینکه ناکارایی رو ثابت در نظر بگیریم، این مدل یاد می‌گیره که بازار در شرایط مختلف چطور تغییر می‌کنه.

نتایج جالب:
عملکرد بهتری نسبت به مدل‌های ایستا داشت — نسبت شارپ بیش از دو برابر شد (1.34 در مقابل 0.59).
حداکثر افت سرمایه تقریباً نصف شد.
و مهم‌تر اینکه مدل قوانین اقتصادی قابل‌فهم یاد گرفت: در دوره‌های پرنوسان به سیگنال‌های رفتاری تکیه می‌کنه و در بازارهای آرام به داده‌های بنیادی.

برای من، نکته کلیدی فقط «عملکرد بهتر» نبود، بلکه تأیید فرضیه بازار تطبیقی (AMH) در حوزه رمزارز بود. آلفا ثابت نیست — یک هدف متغیره که باید یاد بگیریم چه زمانی و کجا از ناکارایی‌های گذرا استفاده کنیم.
.

📄 لینک مقاله ****

👆 خوشحال می‌شم نظر شما رو بدونم: به نظرتون چارچوب‌های تطبیقی چطور می‌تونن آینده پژوهش‌های کوانت و استراتژی‌های معاملاتی رو شکل بدن؟

#مالی_کوانت #رمزارز #بازار_تطبیقی #یادگیری_ماشین #استراتژی_معاملاتی #فینتک
Please open Telegram to view this post
VIEW IN TELEGRAM
26👍24🔥22👏21😍18😁15🥰13🎉10