Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen: http://bibdigital.epn.edu.ec/handle/15000/21610
Titel: Cryptocurrency upward trend direction prediction to optimize trading strategy.
Autoren: Zaldumbide Cevallos, Efraín Gonzalo
Stichwörter: MINERÍA DE DATOS
APRENDIZAJE DE MÁQUINA
Erscheinungsdatum: 4-Mai-2021
Herausgeber: Quito, 2021
Zitierform: Zaldumbide Cevallos, E. G. (2021). Cryptocurrency upward trend direction prediction to optimize trading strategy. 72 hojas. Quito : EPN.
Zusammenfassung: La predicción del comportamiento del mercado de valores es de gran interés en una amplia comunidad de personas. No importa cuán pequeña sea una mejora en este campo, puede impulsar a los inversores a aumentar sus ganancias. En este estudio, analizamos una sección dentro del gran problema del micro-trading utilizando intervalos de tiempo cortos con el objetivo de reducir la influencia social y la especulación del mercado. Intentamos predecir cuándo el precio de una altcoin comienza a subir y alcanza un porcentaje de ganancia mínima que predefinimos. Seleccionamos la criptomoneda Ethereum (ETH / BTC) como elemento de prueba de entre muchas altcoins existentes y llevamos a cabo experimentos utilizando support vector machine. Explicamos por qué elegimos SVM, la construcción de nuestro conjunto de datos y los procesos de entrenamiento y pruebas. Desglosamos los resultados comparándolos con trabajos relacionados con los objetivos de esta investigación que comparten nuestro interés.
Beschreibung: The prediction of stock market behavior is of high interest in an extensive community of people. No matter how small an improvement is in this field, it can drive investors to increase their profit. In this study, we analyze one section inside the big problem of micro trading by using intraday short time intervals to reduce the social influence and market speculation. We attempt to predict when an altcoin price starts to rise and reach a predefined minimum profit percentage. We select the cryptocurrency Ethereum (ETH/BTC) as the test element from many existing altcoins and carry out experiments using a support vector machine algorithm. We explain why we chose SVM, our dataset construction, and the training and testing processes. We break down the results by comparing them with related works that share our interests.
URI: http://bibdigital.epn.edu.ec/handle/15000/21610
Enthalten in den Sammlungen:Tesis Maestría en Ciencias de la Computación y Comercio Electrónico (FIS)

Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat 
CD 11097.pdf5,29 MBAdobe PDFÖffnen/Anzeigen


Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.