logo móvil
Contáctanos

Optimización de estrategias de trading algorítmico de criptomonedas utilizando el enfoque de descomposición

Autores: Omran, Sherin M.; El-Behaidy, Wessam H.; Youssif, Aliaa A. A.

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

Optimización de estrategias de trading algorítmico de criptomonedas utilizando el enfoque de descomposición


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería de Sistemas

Palabras clave

Criptomoneda
Transacciones financieras
Aceptación del mercado
Estrategias de trading
Trading algorítmico
Retorno de inversión

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 35

Citaciones: Sin citaciones


Descripción
Una criptomoneda es una forma de dinero no centralizada que facilita transacciones financieras utilizando procesos criptográficos. Puede ser considerada como una moneda virtual o un mecanismo de pago para enviar y recibir dinero en línea. Las criptomonedas han ganado amplia aceptación en el mercado y un rápido desarrollo durante los últimos años. Debido a la naturaleza volátil del mercado de criptomonedas, el trading de criptomonedas implica un alto nivel de riesgo. En este documento, se presenta un nuevo algoritmo de optimización de enjambre de partículas multiobjetivo basado en descomposición normalizada (N-MOPSO/D) para el trading algorítmico de criptomonedas. El objetivo de este algoritmo es ayudar a los traders a encontrar las mejores estrategias de trading de Litecoin que mejoren sus resultados. El algoritmo propuesto se utiliza para gestionar los compromisos entre tres objetivos: el retorno de la inversión, la ratio de Sortino y el número de trades. También se ha propuesto un mecanismo de asignación de peso híbrido. Se comparó con las reglas de trading con sus parámetros estándar, MOPSO/D, utilizando escalarización escalarizada de Tchebycheff normalizada y MOEA/D. El algoritmo propuesto podría superar a los algoritmos contrapartes para problemas de referencia y del mundo real. Los resultados mostraron que el algoritmo propuesto es muy prometedor y estable bajo diferentes condiciones de mercado. Podría mantener los mejores retornos y riesgos tanto durante el entrenamiento como durante las pruebas con un número moderado de trades.

Otros recursos que podrían interesarte

Temas Virtualpro