Дар Bitcoin омӯзиши мошинӣ кофӣ нест: бе филтри хароҷоти муомила пешгӯиҳо ба фоида табдил намеёбанд

Q: Усул чӣ пешниҳод мекунад?

Таҳқиқот се меъмории гуногуни пешгӯиро муқоиса мекунад: XGBoost, LSTM ва iTransformer.

Дар Bitcoin омӯзиши мошинӣ кофӣ нест: бе филтри хароҷоти муомила пешгӯиҳо ба фоида табдил намеёбанд

Арзёбии пешакӣ

Ин навишта бар асоси як таҳқиқоти академӣ таҳия шудааст, ки месанҷад оё пешгӯиҳои соатии даромаднокӣ, ки бо омӯзиши мошинӣ дар бозори Bitcoin тавлид мешаванд, ҳангоми ба ҳисоб гирифтани хароҷоти муомила воқеан арзиши иқтисодӣ доранд ё не. Таҳқиқоти баррасишуда бо унвони Machine Learning-Based Bitcoin Trading Under Transaction Costs: Evidence From Walk-Forward Forecasting дар arXiv ҳамчун пешчоп нашр шудааст.

Саволи асосии таҳқиқот бисёр муҳим аст: агар як модел даромаднокии соати навбатии Bitcoin-ро то андозае пешгӯӣ карда тавонад, оё ин пешгӯӣ мустақиман ба стратегияи савдои фоидаовар табдил меёбад? Посухи таҳқиқот эҳтиёткорона аст. Тибқи бозёфтҳо, дар пешгӯиҳо ҳатто агар заиф бошад ҳам, маълумоти қобили истифода мавҷуд аст; аммо ин маълумот метавонад бе назорати хароҷоти муомила ва рафтори аз ҳад зиёди харидуфурӯш зуд аз байн равад.

Аз ин рӯ, таҳқиқот ба ҷойи саволи «кадом модели омӯзиши мошинӣ беҳтар пешгӯӣ мекунад?» ба нуқтаи хеле амалӣтар диққат медиҳад: пешгӯиҳо кай бояд ба муомила табдил дода шаванд ва кай бояд нодида гирифта шаванд?

Ин мундариҷа тавсияи сармоягузорӣ нест. Натиҷаҳои дар таҳқиқот гузоришшуда ба маълумоти гузашта, фарзияҳои муайяни хароҷоти муомила ва қоидаҳои симулятсия такя мекунанд. Дар бозори зинда ликвидият, амиқии дафтари фармоишҳо, лағжиш, меъёрҳои funding, шароити биржа ва идоракунии хавф метавонанд натиҷаро тағйир диҳанд.

Таҳқиқоти нави академӣ моделҳои XGBoost, LSTM ва iTransformer-ро дар маълумоти соатии Bitcoin муқоиса мекунад. Дар санҷишҳои 27-қабатаи walk-forward бо тақрибан 70 ҳазор соат маълумоти BTC/USDT, моделҳо дар баъзе ҳолатҳо пеш аз хароҷоти муомила сигнали мусбат тавлид мекунанд. Аммо стратегияҳои оддии бар асоси аломат ҳангоми илова шудани 10 нуқтаи базисии хароҷоти муомила ноком мешаванд. Муҳимтарин бозёфти таҳқиқот ин аст, ки филтри ҳассос ба хароҷот бо табдил надодани пешгӯиҳои заиф ба муомила мушкили харидуфурӯши аз ҳад зиёдро коҳиш медиҳад ва дар баъзе конфигуратсияҳои XGBoost боз иҷрои мусбат фароҳам мекунад.

Мушкил чист?

Дар бозорҳои молиявӣ пешгӯӣ кардан ва ба стратегияи савдои фоидаовар табдил додани он як чиз нест. Модел метавонад пешгӯӣ кунад, ки нарх дар соати навбатӣ андаке боло меравад. Аммо агар ин интизорӣ ҳаққи муомила, spread, slippage ва хароҷоти тағйири мавқеъро пӯшонида натавонад, кушодани муомила аз ҷиҳати иқтисодӣ бемаънӣ мешавад.

Ин мушкил махсусан дар муомилаҳои соатии крипто равшантар аст. Бозори Bitcoin пайваста боз аст, ноустувории баланд дорад ва нархҳо дар кӯтоҳмуддат бисёр пурғавғо ҳаракат мекунанд. Агар модели пешгӯӣ зуд-зуд самт иваз кунад, ҳар тағйири мавқеъ хароҷот ба вуҷуд меорад. Ҳамин тавр, ҳатто агар иҷрои умумии модел хуб намояд, иҷрои софи он метавонад зуд манфӣ шавад.

Саволи асосии таҳқиқот чунин аст: вақте моделҳои омӯзиши мошинӣ монанди XGBoost, LSTM ва iTransformer даромаднокии соатии BTC/USDT-ро пешгӯӣ мекунанд, оё ин пешгӯиҳо баъд аз хароҷоти муомила метавонанд ба стратегияи пурмаъно табдил ёбанд?

Усул чӣ пешниҳод мекунад?

Таҳқиқот се меъмории гуногуни пешгӯиро муқоиса мекунад: XGBoost, LSTM ва iTransformer.

XGBoost усули омӯзиши мошинии дарахтбунёд аст, ки дар маълумоти ҷадвалӣ пурқувват кор мекунад. Он маълумоти вақтро мустақиман ҳамчун пайдарпайӣ коркард намекунад; аз ин рӯ ба тағйирёбандаҳои муҳандисишуда, монанди даромадҳои гузашта, нишондиҳандаҳои техникӣ ва хусусиятҳои ноустуворӣ такя мекунад.

LSTM шабакаи нейронии такроршаванда аст, ки барои дар хотира нигоҳ доштани маълумоти гузаштаи силсилаҳои вақт тарҳрезӣ шудааст. Дар маълумоти пайдарпайи нарх, монанди Bitcoin, он мекӯшад маълумоти самт ва ноустувории гузаштаи наздикро омӯзад.

iTransformer бошад, меъмории муосиртари силсилаи вақт аст, ки механизми attention-ро истифода мебарад. Бар хилофи равиши классикии Transformer, он на нуқтаҳои вақт, балки тағйирёбандаҳоро ҳамчун token баррасӣ мекунад. Бо ин роҳ мекӯшад робитаҳои байни нарх, ҳаҷм, нишондиҳандаҳои техникӣ ва тағйирёбандаҳои ноустувориро омӯзад.

Аммо навоварии асосии таҳқиқот бештар дар қоидаи муомила аст, на дар меъмории модел. Муҳаққиқон нишон медиҳанд, ки равиши оддии «агар пешгӯӣ мусбат бошад бихар, агар манфӣ бошад бифурӯш ё дар нақд бимон» дар баробари хароҷоти муомила осебпазир аст. Ба ҷойи ин филтри муомилаи ҳассос ба хароҷот истифода мешавад. Ин филтр агар бузургии пешгӯӣ барои пӯшонидани хароҷоти муомила кофӣ набошад, мавқеъро тағйир намедиҳад.

Формулаҳо чиро нишон медиҳанд?

Формулаҳои таҳқиқот нишон медиҳанд, ки даромаднокии Bitcoin чӣ гуна пешгӯӣ мешавад, пешгӯӣ чӣ гуна ба мавқеъ табдил меёбад, хароҷоти муомила чӣ гуна тарҳ карда мешавад ва филтри ҳассос ба хароҷот дар кадом шарт муомила мекушояд.

1. Ҳадафи пешгӯӣ: log-даромади соати навбатӣ

Тағйирёбандае, ки модел мекӯшад пешгӯӣ кунад, log-даромади соати навбатӣ аст:

\[ r_{t+1}=\ln\left(\frac{P_{t+1}}{P_t}\right) \]

Дар ин ҷо \(P_t\) нархи басташавии Bitcoin дар соати \(t\) ва \(P_{t+1}\) нархи басташавии соати навбатиро ифода мекунад. Модел бо истифода аз маълумоте, ки то лаҳзаи \(t\) мавҷуд аст, арзиши \(r_{t+1}\)-ро пешгӯӣ мекунад. Бо ин роҳ маълумоти оянда тасодуфан ба модел дода намешавад.

2. Қоидаи мавқеи long-only

Дар сохтори long-only модел танҳо мавқеи дарози Bitcoin ё мавқеи нақдро мегирад:

\[ pos_t= \begin{cases} 1, & \hat{r}_{t+1}>0\\ 0, & \hat{r}_{t+1}\leq 0 \end{cases} \]

Ин формула қоидаи оддии аломат аст. Агар модел барои соати навбатӣ даромади мусбат интизор шавад, низом Bitcoin нигоҳ медорад. Агар пешгӯӣ сифр ё манфӣ бошад, низом дар нақд мемонад.

3. Қоидаи мавқеи long-short

Дар сохтори long-short пешгӯиҳои манфӣ ба мавқеи кӯтоҳ табдил дода мешаванд:

\[ pos_t= \begin{cases} 1, & \hat{r}_{t+1}>0\\ -1, & \hat{r}_{t+1}\leq 0 \end{cases} \]

Ин сохтор хашинтар аст. Агар пешгӯӣ мусбат бошад, мавқеи long ва агар манфӣ бошад, мавқеи short гирифта мешавад. Аммо ҳангоми баръакс шудани мавқеъ ҳаҷми муомила ва хароҷот баландтар мешавад.

4. Даромади софи стратегия: пешгӯӣ кофӣ нест, хароҷот тарҳ мешавад

Дар таҳқиқот даромади соф баъд аз хароҷоти муомила чунин ҳисоб карда мешавад:

\[ r^{net}_{t+1}=pos_t\cdot(e^{r_{t+1}}-1)-c\cdot |pos_t-pos_{t-1}| \]

Дар ин ҷо \(c=0.001\) гирифта шудааст. Ин ба маънои 10 нуқтаи базисии хароҷоти муомила барои ҳар тағйири мавқеъ аст. Қисми якуми формула даромади аз мавқеъ гирифташударо ва қисми дуюм хароҷоти тағйири мавқеъро нишон медиҳад.

Ин формула ғояи асосии таҳқиқотро равшан нишон медиҳад: ҳатто агар модел самтро дуруст пешгӯӣ кунад, агар мавқеъро бисёр зуд-зуд тағйир диҳад, хароҷоти муомила метавонад даромадро аз байн барад.

5. Филтри муомилаи ҳассос ба хароҷот

Муҳимтарин формулаи таҳқиқот филтри муомилаи ҳассос ба хароҷот аст:

\[ |\hat{r}_{t+1}|>\lambda\cdot c\cdot |pos_t^{*}-pos_{t-1}| \]

Дар ин ҷо \(pos_t^{*}\) мавқеи нави пешниҳодшуда мувофиқи аломати пешгӯӣ аст. \(pos_{t-1}\) мавқеи мавҷударо ифода мекунад. \(\lambda\) коэффисиентест, ки муайян мекунад филтр то чӣ андоза интихобӣ кор мекунад. Дар танзими асосии таҳқиқот \(\lambda=2.0\) истифода шудааст.

Мантиқи ин формула чунин аст: агар бузургии мутлақи пешгӯӣ барои пӯшонидани хароҷоти тағйири мавқеъ кофӣ набошад, муомила анҷом дода намешавад. Яъне низом ҳар пешгӯии хурдро сигнали харидуфурӯш намебинад.

6. Агар аз филтр гузарад, мавқеъ нав мешавад

Агар шарт иҷро шавад, низом ба мавқеи нав мегузарад:

\[ pos_t=pos_t^{*} \]

Агар шарт иҷро нашавад, мавқеи пешина нигоҳ дошта мешавад:

\[ pos_t=pos_{t-1} \]

Ин ду формула ҷиҳати амалии стратегияро нишон медиҳанд. Ҳатто агар модел сигнал тавлид кунад, агар сигнал ба қадри кофӣ қавӣ набошад, низом беҳуда муомила намекунад.

7. Хусусияти ноустувории EGARCH

Дар баъзе озмоишҳои таҳқиқот, илова ба нишондиҳандаҳои техникӣ, хусусиятҳои ноустуворӣ бар асоси EGARCH низ истифода мешаванд. Муодилаи log-variance-и EGARCH чунин дода мешавад:

\[ \log(\sigma_t^2)=\omega+ \sum_{i=1}^{q}\beta_i\log(\sigma_{t-i}^2)+ \sum_{j=1}^{p}\alpha_j\left(\frac{|z_{t-j}|}{E|z_{t-j}|}\right)+ \sum_{k=1}^{o}\gamma_k z_{t-k} \]

\[ z_t=\frac{\varepsilon_t}{\sigma_t} \]

Ин формула мекӯшад режими ноустувории даромади Bitcoin-ро ҷамъбаст кунад. Азбаски дар бозорҳои крипто кластербандии ноустуворӣ қавӣ аст, он тағйирёбандаҳои иловагӣ тавлид мекунад, ки метавонанд ба модел барои дарки муҳити кунунии хавф кумак кунанд. Аммо дар таҳқиқот дида нашудааст, ки хусусиятҳои EGARCH дар ҳар ҳолат саҳми иловагии устувор медиҳанд.

8. Сохтори пешгӯии XGBoost

Дар модели XGBoost пешгӯӣ ҳамчун ҷамъбасти бисёр дарахти қарор навишта мешавад:

\[ \hat{y}_t=\sum_{k=1}^{K}f_k(X_t),\qquad f_k\in F \]

Дар ин ҷо \(X_t\) вектори хусусиятҳоест, ки ба модел дода мешавад. \(f_k\) ҳар як дарахти регрессияро ифода мекунад. Модел бо якҷо кардани саҳми бисёр дарахт мекӯшад даромади соати навбатиро пешгӯӣ кунад.

Функсияи ҳадафи XGBoost чунин дода мешавад:

\[ L=\sum_{t=1}^{N}\ell(y_t,\hat{y}_t)+\sum_{k=1}^{K}\Omega(f_k) \]

Термини regularization, ки мураккабии дарахтро ҷарима мекунад, чунин аст:

\[ \Omega(f_k)=\gamma T_k+\frac{1}{2}\lambda_{xgb}\|w_k\|^2 \]

Ин сохтор мекӯшад аз ҳад зиёд азёд кардани маълумоти омӯзишӣ аз ҷониби моделро маҳдуд кунад.

9. Дарвозаҳои хотираи LSTM

Модели LSTM барои нигоҳ доштан ё фаромӯш кардани маълумоти гузашта механизмҳои дарвозаро истифода мебарад:

\[ f_t=\sigma(W_fx_t+U_fh_{t-1}+b_f) \]

\[ i_t=\sigma(W_ix_t+U_ih_{t-1}+b_i) \]

\[ o_t=\sigma(W_ox_t+U_oh_{t-1}+b_o) \]

Дар ин ҷо \(f_t\) дарвозаи фаромӯшкунӣ, \(i_t\) дарвозаи воридот ва \(o_t\) дарвозаи баромадро ифода мекунад. Ин дарвозаҳо муайян мекунанд, ки модел кадом маълумотро аз соатҳои гузашта нигоҳ медорад ва кадомашро заиф мекунад.

Навсозии ҳуҷайраи LSTM бошад, чунин дода мешавад:

\[ \tilde{c}_t=\tanh(W_cx_t+U_ch_{t-1}+b_c) \]

\[ c_t=f_t\odot c_{t-1}+i_t\odot \tilde{c}_t \]

\[ h_t=o_t\odot\tanh(c_t) \]

Ин формулаҳо нишон медиҳанд, ки LSTM мекӯшад таъсирҳои хотираи кӯтоҳмуддатро дар силсилаи нарх дарёбад.

10. iTransformer: Баррасии тағйирёбандаҳо ҳамчун token

Меъмории iTransformer, бар хилофи Transformer-ҳои классикии силсилаи вақт, вурудро transpose мекунад:

\[ \tilde{X}_t=X_t^{\top}\in \mathbb{R}^{K\times L} \]

Дар ин ҷо \(L\) дарозии равзанаи гузашта ва \(K\) шумораи тағйирёбандаҳоро ифода мекунад. Пас аз ин табдил ҳар тағйирёбанда бо гузаштаи худ ҳамчун як token баррасӣ мешавад.

Қадами embedding чунин дода мешавад:

\[ Z_0=\tilde{X}_tW_e+b_e \]

Механизми attention бошад, робитаи байни тағйирёбандаҳоро меомӯзад:

\[ Attention(Q,K,V)=softmax\left(\frac{QK^{\top}}{\sqrt{d_k}}\right)V \]

Ин сохтор ҳадаф дорад робитаҳои байни нарх, ҳаҷм, нишондиҳандаҳои техникӣ ва тағйирёбандаҳои ноустувориро омӯзад. Аммо дар таҳқиқот мураккабтар будани iTransformer маънои онро надошт, ки он зери хароҷоти муомила худкор натиҷаи иқтисодии беҳтар медиҳад.

11. Меъёрҳои иҷро

Дар таҳқиқот меъёрҳое чун даромади мураккаби солонашуда, ноустуворӣ, коҳиши ҳадди аксар ва таносуби Sharpe истифода мешаванд.

\[ ARC=\left(\prod_{t=1}^{N}(1+r_t)\right)^{8760/N}-1 \]

\[ ASD=\sqrt{8760}\sqrt{\frac{1}{N-1}\sum_{t=1}^{N}(r_t-\bar{r})^2} \]

\[ Sharpe=\frac{ARC-r_f}{ASD} \]

Дар ин ҷо \(8760\) шумораи соатҳои як солро ифода мекунад. Аз ин рӯ, меъёрҳо аз даромадҳои соатии стратегия нишондиҳандаҳои иҷрои солонашуда тавлид мекунанд.

12. Муқоисаи Bootstrap

Дар муқоисаи стратегияҳо фарқи даромади соатии ду стратегия истифода мешавад:

\[ d_t=r_t^A-r_t^B \]

Таҳқиқот бо дарназардошти он ки санҷишҳои классикӣ дар силсилаҳои вақти молиявии вобаста метавонанд гумроҳкунанда бошанд, усули paired circular block-bootstrap-ро татбиқ мекунад. Ин усул ҳадаф дорад вобастагии силсилавиро дар даромадҳои соатӣ беҳтар нигоҳ дорад.

Паёми асосии график, ҷадвал ва схема

Графики аввал дар PDF силсилаи нархи Bitcoin ва log-даромадҳои соатиро паҳлу ба паҳлу нишон медиҳад. Дар ҳоле ки сатҳи нарх дар дарозмуддат давраҳои бузурги bull ва bear-ро аз сар мегузаронад, даромадҳои соатӣ дар атрофи сифр тағйир меёбанд ва кластербандии қавии ноустувориро нишон медиҳанд. Ин мефаҳмонад, ки чаро модел мекӯшад на сатҳи нарх, балки даромадро пешгӯӣ кунад.

Схемаи walk-forward нишон медиҳад, ки модел чӣ гуна санҷида шудааст. Дар ҳар қабат давраи 12-моҳаи омӯзиш, 3-моҳаи validation ва 3-моҳаи test истифода мешавад. Равзана ҳар дафъа се моҳ ба пеш ҳаракат мекунад ва дар маҷмӯъ 27 қабати санҷиши берун аз намуна ба вуҷуд меояд. Ин сохтор имкон медиҳад, ки ба ҷойи такя ба як ҷудокунии тасодуфан хуби train/test, санҷиш дар режимҳои гуногуни бозор анҷом шавад.

Графики хароҷоти муомила паёми ҷолибтарини таҳқиқотро медиҳад. Ҳангоми набудани хароҷот каҷхатҳои умумии баъзе моделҳо хуб менамоянд. Аммо бо илова шудани 10 нуқтаи базисии хароҷоти муомила стратегияҳои содалавҳонаи бар асоси аломат сахт бад мешаванд. Хусусан стратегияҳое, ки зуд-зуд самт иваз мекунанд, бинобар хароҷоти муомила зуд арзиш аз даст медиҳанд.

Графики филтри ҳассос ба хароҷот бошад, тасвири дигаре нишон медиҳад. Вақте пешгӯиҳои XGBoost мустақиман ба муомила табдил дода мешаванд, натиҷа заиф аст; аммо вақте филтре истифода мешавад, ки танҳо дар пешгӯиҳои қавӣ мавқеъро иваз мекунад, каҷхат ба таври равшан устувортар мешавад.

Озмоишҳо чӣ гуна гузаронида шудаанд?

Дар таҳқиқот маълумоти соатии OHLCV-и BTC/USDT USD-margined futures истифода шудааст. Намунаи хом аз 1 декабри 2017 то 1 январи 2026 тӯл мекашад. Моҳи аввал ҳамчун давраи омодагӣ барои сохтани нишондиҳандаҳои техникӣ ҷудо шудааст. Давраи самараноки моделсозӣ аз 1 январи 2018 оғоз мешавад.

Дар маҷмӯи маълумот тақрибан 70 ҳазор мушоҳидаи соатӣ мавҷуд аст. Ҳадафи модел log-даромади соати навбатӣ аст. Модел танҳо маълумоти то лаҳзаи пешгӯӣ маълумбударо истифода мекунад; бо ин роҳ мекӯшанд ихроҷи маълумоти ояндаро пешгирӣ кунанд.

Се маҷмӯи хусусиятҳо муқоиса шудаанд. Дар якум танҳо тағйирёбандаҳои OHLCV мавҷуданд. Дар дуюм нишондиҳандаҳои техникӣ илова мешаванд. Дар сеюм ба нишондиҳандаҳои техникӣ инчунин тағйирёбандаҳои ноустуворӣ бар асоси EGARCH илова мешаванд.

Се оилаи модел санҷида мешаванд: XGBoost, LSTM ва iTransformer. Ҳамаи моделҳо дар ҳамон тартиби walk-forward, бо ҳамон фарзияи хароҷоти муомила ва ҳамон қоидаҳои муомила арзёбӣ мешаванд. Аз ин рӯ, таҳқиқот на танҳо ба хатои пешгӯӣ, балки ба даромади воқеии стратегия баъд аз хароҷоти муомила диққат медиҳад.

Натиҷаҳо чиро нишон медиҳанд?

Натиҷаи аввал равшан аст: стратегияҳои содалавҳонаи омӯзиши мошинӣ бар асоси аломат зери хароҷоти муомила ноком мешаванд. Ҳангоми набудани хароҷоти муомила баъзе моделҳо иҷрои умумии мусбат медиҳанд. Аммо бо илова шудани 10 нуқтаи базисӣ, иҷрои стратегияҳое, ки зуд-зуд мехаранду мефурӯшанд, фурӯ мерезад.

Масалан, дар таҳқиқот стратегияи содалавҳонаи XGBoost long-only бе хароҷоти муомила иҷрои мусбат медиҳад, аммо пас аз илова шудани хароҷоти муомила иҷрои солонашуда ба таври ҷиддӣ манфӣ мешавад. Дар моделҳое монанди iTransformer, ки мавқеъро зудтар тағйир медиҳанд, таъсири хароҷот вазнинтар аст.

Натиҷаи дуюми асосӣ ин аст, ки филтри ҳассос ба хароҷот фарқи ҷиддӣ ба вуҷуд меорад. Дар конфигуратсияи Long-only XGBoost loss-best, стратегияи базавӣ зери хароҷоти муомила тақрибан -%64,00 ARC тавлид мекунад, дар ҳоле ки бо филтри ҳассос ба хароҷот натиҷа тақрибан ба %65,40 ARC мерасад. Дар ҳамон мисол шумораи муомилаҳо аз 10.619 то 251 коҳиш ёфтааст.

Ин муҳимтарин дарси таҳқиқот аст: ба ҷойи кушодани муомила барои ҳар пешгӯии хурди модел, танҳо ба муомила табдил додани пешгӯиҳое, ки барои пӯшонидани хароҷот ба қадри кофӣ бузурганд, метавонад хусусияти иқтисодии стратегияро тағйир диҳад.

Натиҷаи сеюм эҳтиёткоронатар аст. XGBoost аз ҷиҳати иҷрои иқтисодӣ нисбат ба LSTM ва iTransformer қавитар менамояд. Аммо санҷишҳои bootstrap нишон намедиҳанд, ки XGBoost аз ҷиҳати оморӣ ба таври қатъӣ ва устувор аз дигар моделҳо бартарӣ дорад.

Нишондиҳандаҳои техникӣ дар баъзе ҳолатҳо иҷроишро беҳтар кардаанд. Баръакс, хусусиятҳои ноустуворӣ бар асоси EGARCH ҳамеша фоидаи иловагии пайваста надодаанд. Фарқҳои байни функсияҳои талафоти MSE ва MAE низ дуюмдараҷа ва аз ҷиҳати оморӣ осебпазир ёфт шудаанд.

Ҳамчунин гуфта намешавад, ки беҳтарин стратегияҳои ҳассос ба хароҷот нисбат ба buy-and-hold Bitcoin аз рӯи таносуби Sharpe бартарии пурмаъно ва қатъӣ доранд. Яъне таҳқиқот намегӯяд, ки «омӯзиши мошинӣ стратегияи харидан ва нигоҳ доштани Bitcoin-ро ҳатман мағлуб мекунад». Он натиҷаи маҳдудтар, вале муҳим медиҳад: стратегияҳои кӯтоҳмуддати ML, ки бе дарназардошти хароҷоти муомила сохта мешаванд, метавонанд гумроҳкунанда бошанд; қоидаи иҷрои ҳассос ба хароҷот бошад, ин мушкилро ба таври ҷиддӣ коҳиш дода метавонад.

Чаро ин муҳим аст?

Ин таҳқиқот хатои маъмулро дар баҳсҳои омӯзиши мошинии молиявӣ намоён мекунад. Кам шудани хатои пешгӯии як модел маънои онро надорад, ки он модел дар савдои зинда пул ба даст меорад. Хусусан дар муомилаҳои соатии крипто, бартариҳои хурди пешгӯӣ метавонанд аз ҷониби хароҷоти муомила ба осонӣ аз байн бурда шаванд.

Аз ин рӯ, паёми амалии таҳқиқот на «модели мураккабтар соз», балки «ҳангоми табдил додани пешгӯӣ ба муомила хароҷотро ба ҳисоб гир» аст. Ин ки сохтори содатару ҷадвалии XGBoost дар баъзе сенарияҳо нисбат ба меъмориҳои мураккабтари шабакаи нейронӣ, монанди LSTM ва iTransformer, натиҷаи иқтисодии беҳтар медиҳад, ин паёмро тақвият медиҳад.

Аз нигоҳи Verianla, ин таҳқиқот дар буриши зеҳни сунъӣ ва молия дидгоҳи пухтатар пешниҳод мекунад. Низомҳои зеҳни сунъӣ набояд танҳо аз рӯи тавлиди пешгӯӣ арзёбӣ шаванд; бояд санҷида шавад, ки пешгӯиҳо зери хароҷоти муомила, басомади мавқеъ, хавф, drawdown ва устувории берун аз намуна ба чӣ табдил меёбанд.

Нуқтаҳои мавриди таваҷҷуҳ

Ин таҳқиқот тавсияи сармоягузорӣ нест. Натиҷаҳо ба маълумоти гузашта такя мекунанд ва маънои онро надоранд, ки дар оянда ҳамон натиҷаҳо гирифта мешаванд.

Дар таҳқиқот танҳо BTC/USDT истифода шудааст. Бояд алоҳида санҷида шавад, ки оё натиҷаҳоро ба дигар дороиҳои крипто, биржаҳои гуногун ё режимҳои гуногуни бозор умумӣ кардан мумкин аст ё не.

Модели хароҷоти муомила мутаносиб аст. Дар бозорҳои воқеӣ омилҳое чун амиқии дафтари фармоишҳо, иҷрои қисман, сохтори ҳаққи maker-taker, spread-и тағйирёбанда, slippage ва шикасти ликвидият метавонанд натиҷаҳои мураккабтар ба вуҷуд оранд.

Таҳқиқот меъёрҳои funding, маълумоти дафтари фармоишҳо, маълумоти ликвидатсия, маълумоти рӯҳия ва сигналҳои байнидороиҳоро истифода накардааст. Ин тағйирёбандаҳо метавонанд дар баъзе стратегияҳои кӯтоҳмуддати крипто маълумоти иловагӣ дошта бошанд.

Ҳарчанд стратегияи пурқувваттарин дар баъзе давраҳо иҷрои хуб нишон медиҳад, таҳлили fold-level нишон медиҳад, ки натиҷаҳо дар ҳар семоҳа устувор нестанд. Иҷро метавонад дар режимҳои муайяни бозор мутамарказ шавад.

Дар муқоисаи buy-and-hold беҳтарин стратегияҳои ҳассос ба хароҷот аз рӯи таносуби Sharpe бартарии аз ҷиҳати оморӣ қатъӣ муқаррар карда натавонистаанд. Аз ин рӯ, натиҷаҳоро набояд ҳамчун «ML ҳатман беҳтар аст» тафсир кард.

Хулоса

Ин таҳқиқоти академӣ нишон медиҳад, ки ҳангоми таҳияи стратегияи савдо бо омӯзиши мошинӣ дар Bitcoin мушкили асосӣ танҳо сифати пешгӯӣ нест. Дар пешгӯиҳо метавонад сигнали заиф вуҷуд дошта бошад, аммо вақте ин сигнал маҷбур мешавад ҳар соат мавқеъро иваз кунад, хароҷоти муомила онро аз байн мебарад.

Муҳимтарин бозёфти таҳқиқот ин аст, ки филтри муомилаи ҳассос ба хароҷот интизоми содда, вале муассир фароҳам мекунад. Агар пешгӯӣ ба қадри кофӣ калон набошад, муомила анҷом дода намешавад. Бо ин роҳ пешгирӣ мешавад, ки сигналҳои заиф ба муомилаҳои хароҷотнок табдил ёбанд.

Дар натиҷа, дар бозорҳои кӯтоҳмуддати крипто интизоми муомила пеш аз мураккабии модел меояд. Моделҳое чун XGBoost, LSTM ё iTransformer метавонанд муфид бошанд; аммо арзиши иқтисодии пешгӯиҳо аз он вобаста аст, ки ин пешгӯиҳо пас аз кадом ҳадди хароҷот ба муомила табдил дода мешаванд.

Ёддошт оид ба манбаъ ва усул

Ин мундариҷа бар асоси баррасии PDF-и академӣ бо унвони Machine Learning-Based Bitcoin Trading Under Transaction Costs: Evidence From Walk-Forward Forecasting омода шудааст. Матн тарҷумаи калима ба калима нест. Ҳадаф, усул, формулаҳои асосӣ, тарҳи озмоиш, бозёфтҳо ва маҳдудиятҳои таҳқиқот барои хонандагони Verianla бо забони содакардашуда, аслӣ ва таҳририи туркӣ аз нав баён шудаанд.

Формулаҳо бо риояи сохтори асосии математикӣ дар формати LaTeX-и мувофиқ бо MathJax дода шудаанд. Ин навишта тавсияи сармоягузорӣ, пешниҳоди харидуфурӯш ё пешниҳоди низоми савдои зинда нест.

Ёддошти иттилоотӣ ва ислоҳ

Ин муҳтаво дар асоси тадқиқоти академии дахлдор ва бо истифода аз абзорҳои ёрирасони зеҳни сунъӣ омода шудааст. Ҳадаф ба шакли фаҳмотар ва дастрас пешниҳод кардани мавзӯи асосӣ, усул ва натиҷаҳои тадқиқот мебошад.

Ҳарчанд ҳангоми омода кардани муҳтаво ба риояи манбаи аслӣ таваҷҷуҳ шудааст, дар раванди тавлиди муҳтаво бо ёрии зеҳни сунъӣ метавонад хатои маъноӣ, баёнӣ, тарҷумавӣ ё тафсирӣ рух диҳад. Агар хатои илмӣ, техникӣ ё матниро ошкор кунед, метавонед тавассути info@verianla.com.tr ба мо хабар диҳед. Мавридҳои гузоришшуда баррасӣ шуда, ислоҳҳои зарурӣ ворид карда мешаванд.

Илова бар ин, муаллиф, соҳиби ҳуқуқ ё намояндаи ваколатдори мақолае, ки тадқиқоташ дар Verianla ҷой дода шудааст, метавонад ҳазфи муҳтавои дахлдорро дархост кунад. Барои дархости ҳазф фиристодани пайванди мақола ва шарҳи кӯтоҳи дархост ба info@verianla.com.tr кофист. Пас аз баррасии дархост чораҳои зарурӣ андешида мешаванд.

Verianla ҳадафи иваз кардани тадқиқоти академиро надорад; ҳадафи он мусоидат ба фаҳмиши муҳтавои илмӣ аз ҷониби доираи васеи хонандагон аст. Барои арзёбиҳои академӣ ё касбӣ ҳамеша такя ба манбаи аслии тадқиқот тавсия дода мешавад.

Мубодила: