Deep Neural Networks for Cryptocurrencies Price prediction

Abstract

Die Preisvorhersage ist eine der größten Herausforderungen der quantitativen Finanzierung. Diese Thesis stellt ein Neuronales Netz-Framework vor, das eine tiefgreifende maschinelle Lernlösung für das Preisvorhersageproblem bietet. Das Framework wird in drei Zeitpunkten mit einem Multilayer Perzeptron (MLP), einem einfachen Recurrent Neural Network (RNN) und einem Long Short Term Memory (LSTM) realisiert, die lange Abhängigkeiten lernen können. Wir beschreiben die Theorie der neuronalen Netze und des Deep Learning, um eine reproduzierbare Methode für unsere Anwendungen auf dem Kryptowährungsmarkt zu erstellen. Da die Preisvorhersage verwendet wird, um finanzielle Entscheidungen wie Handelssignale zu treffen, vergleichen wir verschiedene Ansätze des Vorhersageproblems, indem wir überwachte Lernmethoden in Klassifikationsaufgaben untersuchen. Wir untersuchen diese Modelle, um Preisrichtungen von wichtitgen Kryptowährungen außerhalb der Stichprobe mit einer rolling window regression Methode vorherzusagen. Für dieses Ziel erstellen wir ein Klassifikationsproblem, das voraussagt, ob der Preis jeder Kryptowährung als Grundlage für dreimonatige Handelsstrategien erheblich zu- oder abnimmt. Wir bauen verschiedene Handelsstrategien auf, basierend auf Long- oder Long- / Short-Positionen, die auf unseren Prognosen aufbauen, und vergleichen ihre Performance mit einer passiven Index-Investition auf dem Cryptowährungsmarkt, die CRIX (Trimborn and Härdle, 2016) folgt. Cryptocurrencies, Bitcoins sind die bekanntesten, basieren auf elektronischem Geld auf Blockchain-Technologie, die als eine dezentrale Alternative zu Währungen verwendet werden kann. Dank ihrer zahlreichen Anwendungen hat der Markt für Kryptowährung im Jahr 2017 ein exponentielles Wachstum erfahren. Wir vergleichen verschiedene gewichtete Portfolios, um zu testen, wie ein Anleger von fundamentalen Indikatoren wie der Marktkapitalisierung profitieren kann. Wir finden, dass LST die beste Genauigkeit für die Vorhersage von Richtungsbewegungen für die wichtigsten Kryptowährungen von CRIX hat und dass ein gleich gewichtetes Portfolio CRIX in den ersten Quartalen 2017 schlägt.