MIT Bitcoin Trading Simulation Nagbubunga ng Profit na 89% sa 50 Araw

Ang kalakalan ng Bitcoin na kumikita ay nananatiling higit pa sa isang sining kaysa sa isang eksaktong agham.

Sa anumang partikular na araw, ang Reddit ay puno ng mga teoryang nagpapaliwanag ng mga paggalaw ng presyo ng Bitcoin , mula sa kakaiba mga teknikal na tagapagpahiwatig sa mga pakana ng FUD (fear, uncertainty and doubt) peddlers.

Maaaring magbago iyon, gayunpaman, sa isang bagong papel na nagsasabing nakagawa sila ng isang diskarte sa pangangalakal na makakapagdulot ng 89% na pagbabalik sa loob ng wala pang dalawang buwan.

Ang mga may-akda, Massachusetts Institute of Technology associate professor Devavrat Shah at mag-aaral ng computer science na si Kang Zhang, ay nangolekta ng data mula sa OKCoin, ang pinakamalaking exchange sa mundo ayon sa dami ng kalakalan, mula Pebrero hanggang Hulyo.

Ibinigay nila ang data sa isang predictive statistical model na kanilang binuo at ginamit ang mga resulta para magsagawa ng simulation ng CNY/ BTC trades. Sa simulation, ang mangangalakal ay maaari lamang magtagal o maikli ng 1 BTC sa bawat kalakalan.

Ang pagkasumpungin ay nagpapalaki ng kita

Ang trading simulation, na isinagawa sa data na kinuha mula sa 50 magkakasunod na araw noong Mayo at Hunyo, ay nagbunga ng mataas na kita na mga resulta. Ang simulate na trader ay nag-invest ng 3,781 yuan at gumawa ng 2,872 trade. Ang kabuuang pinagsama-samang kita ay 3,362 yuan, o isang 89% na kita sa halagang namuhunan.

Ang diskarte sa pangangalakal ay gumawa ng pinakamalaking kita kapag mataas ang volatility, sa panahon sa katapusan ng Mayo at simula ng Hunyo, at kumikita pa rin kapag ang presyo ay patuloy na bumababa sa pagtatapos ng simulate na panahon.

Ang diskarte sa pangangalakal ay nagdulot din ng a Matalas na ratio ng 4.1, isinulat ng mga may-akda. Ito ay nagpapahayag ng return ng isang portfolio pagkatapos mag-adjust para sa risk-free rate of return. Ang isang mataas na ratio ay nagpapakita na ang isang mamumuhunan ay gumawa ng mga kita habang kumukuha ng mas kaunting panganib, na may mga markang tatlo at higit pa na itinuturing na mahusay.

Ang Sharpe ratio ng mga may-akda ay maihahambing sa benchmark na mutual funds, tulad ng Vanguard Total Stock Market Index Fund, ang mundo pinakamalaking naturang sasakyan, na nagkakahalaga ng $355bn. Ang pondong iyon ay may isang isang taong Sharpe ratio ng 1.79 at nagbalik ng 8.32% noong nakaraang taon.

Pagsilip sa datos

Ang mga resulta ng papel ay maaari ring suportahan ang mga paghahabol ng mga teknikal na mangangalakal sa mga Markets ng Bitcoin . Sinuri ng mga may-akda ang kanilang data ng hula at nakahanap ng ebidensya ng 'tatsulok' at 'ulo at balikat' mga pattern sa mga tsart ng presyo.

"Mukhang iminumungkahi nito na may mga ganoong pattern at [... nagpapaliwanag] sa tagumpay ng aming diskarte sa pangangalakal," isinulat nila.

A paunang bersyon ng papel, na may pamagat Bayesian Regression at Bitcoin, ay inilathala sa Mga pamamaraan ng 2014 Allerton Conference sa Komunikasyon, Kontrol at Pag-compute –ONE sa pinakamatagal at pinakaprestihiyosong kumperensya sa larangan nito. Ang tatlong araw na kumperensya ay nagtapos noong ika-3 ng Oktubre.

Dahil sa pinaghihigpitang laki ng kalakalan ng simulation na 1 BTC, maaari bang mas maraming pera ang kumita nang may higit na kapital na nakataya? Isinulat ng mga may-akda na higit pang pananaliksik ang kinakailangan, bagaman inaakala nila na ang kita ay maaaring palakihin.

Napansin din ng mga may-akda na ang karagdagang kita ay maaaring makuha sa pamamagitan ng pag-crunch ng mas maraming data, bagama't mangangailangan ito ng "computation sa isang napakalaking sukat". Gumamit sila ng 32- CORE machine na may 128GB ng RAM para sa pag-aaral at "representative" na data ng time-series sa predictive modeling stage.

Pinagmulan sa pagsusuri sa Twitter

Ang predictive simulation nina Shah at Zhang ay batay sa isang 'latent source model' na inilarawan sa a papel na inilathala noong nakaraang taon at idinisenyo upang hulaan kung ano ang magiging 'mga trending na paksa' sa Twitter.

Isinulat ni Shah ang papel na iyon kasama ang dalawang mananaliksik sa MIT at Twitter. Nagawa ng kanilang modelo ang tumpak na hulaan ang mga trending na paksa hanggang sa 79% ng oras, ayon sa mga may-akda.

Mga kita larawan sa pamamagitan ng Shutterstock