Developing a trading strategy for Bitcoin Market using Long Short-term Memory (LSTM) architecture
La prévision de la direction du marché des séries temporelles des marchés financiers est une tâche difficile, principalement en raison des changements sans précédent dans les tendances et conditions économiques d’une part, et de l’information incomplète de l’autre. Par conséquent, le développement de différentes prévisions, comme les LSTM, a été utilisé récemment par les traders quantitatifs.
Les réseaux de mémoire à long terme (LSTM) – sont un type particulier de réseau neuronal récurrent (RNN), capables d’apprendre des dépendances à long terme. Les LSTM sont explicitement conçus pour éviter le problème de dépendance à long terme, avec des fonctionnalités supplémentaires pour mémoriser la séquence de données.
Le but de ce projet est d’utiliser les LSTM pour développer des stratégies de trading et de day trading pour le marché au comptant de Bitcoin. Les entrées des modèles LSTM sont trouvées via un processus supervisé de sélection des caractéristiques sur un ensemble de différentes caractéristiques. Ces caractéristiques incluent un ensemble d’indicateurs techniques, ainsi qu’une autre fonctionnalité obtenue à partir de l’analyse du sentiment du marché.
Michèle Breton
Pow.re Corporation
Mathématiques
Finance et assurance
HEC Montréal
Accélération