PulseAugur
中
实时 15:19:33
English(EN) Machine Learning-Based Bitcoin Trading Under Transaction Costs: Evidence From Walk-Forward Forecasting

机器学习模型在考虑交易成本后显示出比特币交易的潜力

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新的研究论文探讨了使用包括XGBoost、LSTM和iTransformer在内的机器学习模型来预测比特币收益。研究发现，虽然这些模型可以产生正的毛交易表现，但在考虑交易成本后，盈利能力会丧失。然而，一个有成本意识的执行过滤器，仅在预测幅度超过阈值时进行交易，在某些配置下恢复了盈利能力，其中一种XGBoost策略产生了超过65%的年化回报。 AI

影响 展示了机器学习模型在金融市场的潜力，但强调了交易成本是盈利能力的关键挑战。

排序理由 学术论文，详细介绍了金融预测的新方法。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

机器学习模型在考虑交易成本后显示出比特币交易的潜力

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
学术论文，详细介绍了金融预测的新方法。[lever_c_demoted from research: ic=1 ai=0.7]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
125 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Andrei Bysik, Robert \'Slepaczuk ·

    基于机器学习的比特币交易在交易成本下的表现：来自前向预测的证据

    arXiv:2606.00060v1 Announce Type: cross Abstract: This paper investigates whether machine learning forecasts of hourly BTC-USDT returns can be converted into economically meaningful trading performance after transaction costs. Using approximately 70,000 hourly observations from 2…

相关实体

相关话题