Las estrategias comerciales impulsadas por IA resuelven las fluctuaciones del mercado

Cómo desbloquear las ganancias de las criptomonedas: las estrategias comerciales impulsadas por la inteligencia artificial resuelven las fluctuaciones del mercado

Los indicadores financieros promedio resaltan su importancia. Crédito: Finanzas y economía cuantitativa (2024). DOI: 10.3934/QFE.2024007

El dinámico mundo de las criptomonedas, marcado por un rápido crecimiento y una alta volatilidad desde el lanzamiento de Bitcoin en 2009, ha atraído la atención de inversores y comerciantes. El surgimiento de nuevas monedas digitales está desafiando los modelos financieros tradicionales y requiere herramientas analíticas avanzadas para navegar la imprevisibilidad del mercado.

La búsqueda de estrategias comerciales efectivas ha llevado a la exploración de técnicas de inteligencia artificial y aprendizaje automático, que prometen mejorar la toma de decisiones en este campo especulativo pero rentable.

Investigadores de la Universidad de Barcelona y de la Universidad de Málaga realizaron un trabajo pionero EDUCACIÓN en Finanzas y economía cuantitativa el 26 de marzo de 2024. Su investigación demuestra la poderosa integración de la heterocedasticidad condicional autorregresiva generalizada exponencial (EGARCH) con técnicas de aprendizaje automático de última generación para gestionar eficazmente la volatilidad endémica de los mercados de criptomonedas.

Este nuevo enfoque mejora la precisión predictiva de las decisiones comerciales de criptomonedas.

El estudio evaluó varios modelos de aprendizaje automático, como algoritmos genéticos adaptativos con lógica difusa y redes neuronales cuánticas, para predecir actividades de compra o venta en diversas criptomonedas.

Un hallazgo importante del estudio es la efectividad de estos modelos cuando se combinan con EGARCH, que mejoró la precisión de las predicciones al modelar con precisión las características de las fluctuaciones de precios de las criptomonedas.

Cabe señalar que la criptomoneda X2Y2 mostró la mayor previsibilidad, destacando la posibilidad de combinar métodos sofisticados de aprendizaje automático con modelos variables para minimizar los riesgos comerciales y mejorar las decisiones de inversión.

Dr. David Alaminos, investigador principal de la Universidad de Barcelona, ​​comentó: «Nuestro método utiliza el poder de las redes neuronales y los algoritmos genéticos, mejorados por la capacidad de modelar la volatilidad de un «riesgo empresarial».

Este enfoque ofrece a los inversores una herramienta destinada a reducir el riesgo de inversión en criptomonedas. Además, los conocimientos obtenidos de este estudio pueden ayudar a los responsables de la formulación de políticas a mejorar la estabilidad y la estabilidad del mercado, así como ayudar a los desarrolladores en el desarrollo de algoritmos predictivos para la tecnología financiera.

Información adicional:
David Alaminos et al, Gestión de la volatilidad extrema de las criptomonedas en el comercio algorítmico: EGARCH utilizando algoritmos genéticos y redes neuronales, Finanzas y economía cuantitativa (2024). DOI: 10.3934/QFE.2024007

Proporcionado por TransSpread

fondo: Desbloqueo de ganancias de criptomonedas: la estrategia comercial impulsada por IA cambia el mercado (23 de mayo de 2024) Obtenido el 23 de mayo de 2024 de https://techxplore.com/news/2024 -05-cryptocurrency-profits-ai-powered-strategies.html

Este documento está sujeto a derechos de autor. Excepto en el caso de transacciones razonables para estudio o investigación personal, ninguna parte puede reproducirse sin permiso por escrito. El contenido se proporciona únicamente con fines informativos.

Puede interesarte

logotipo de mudrex

Precio de la criptomoneda el 27 de mayo: Bitcoin cae por debajo de $ 68,7 mil; Dogecoin y Chainlink caen hasta un 4%

Las principales marcas de criptomonedas cotizaron en números rojos el lunes, lideradas por Bitcoin (BTC), …

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *