Pairs trading in cryptocurrency market using deep reinforcement learning
Başlık çevirisi mevcut değil.
- Tez No: 800830
- Danışmanlar: DR. ÖĞR. ÜYESİ OĞUZ ATA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 87
Özet
Bu çalışmada, kripto para piyasasında derin pekiştirmeli öğrenme yöntemini kullanarak ikili alım satım stratejisinin performansı analiz edilmiştir. Algoritmik ticaret, Makine Öğrenimi araştırmalarıyla birlikte popülerlik kazanmıştır. İlk çalışmalar genellikle istatistiksel stratejiler üzerinedir. İstatistiksel arbitraj“ortalamaya dönüş”yöntemleri en sık kullanılan algoritmalar arasındadır. İstatistiksel arbitraj, aynı fiyat trendlerine sahip ancak fiyatları kısa vadede farklılaşan varlıkları aynı anda alıp satmayı içerir. Buradaki fikir, belirli bir süre boyunca durağan olan varlıklar üzerinde geri dönen pozisyonlar almaktır. İstatistiksel arbitraj, varlık fiyatlarının birlikte hareket ve ortalamaya dönüş davranışına sahip olması şartıyla her türlü varlığa uygulanabilir. Araştırmanın iki bölümü vardır. İlk olarak, eşbütünleşme yöntemini kullanarak alım-satım yapmak için kripto para çiftlerini bulunmasıdır. İkinci olarak, Double Deep Q-Networks (DDQN) kullanarak ikili işlem stratejisinin geliştirilmesi ve performansının al-tut stratejisi ve istatistiksel ikili alım satım yöntemiyle karşılaştırılmasıdır. Çalışmada tez yazımı sırasında en yüksek piyasa değerine sahip ilk 100 coin arasından seçilen 25 kripto para kullanılmıştır. Veri kümesi seçilen 25 kripto para için Aralık 2018 ile Nisan 2022 arasında günlük kapanış fiyatlarını içermektedir. Bu tarih aralıklarında kriptopara piyasası hem yükseliş hem de düşüş yaşamıştır. Sonuçlar, DDQN'nin temel eşbütünleşme yöntemine kıyasla karlı olduğunu göstermektedir. DDQN'nin ortalama kümülatif getirisi %16,95, eşbütünleşme stratejisi ise %2,83'tür. Yükseliş piyasası koşullarında al ve tut stratejisi, her iki stratejiyi de geride bırakmıştır. Bu çalışmanın bir başka sonucu da, kripto para piyasasında günlük kapanış fiyatları kullanmanın ikili işlemler için verimli olmadığıdır.
Özet (Çeviri)
This thesis analyzes the performance of the pairs trading strategy using the deep reinforcement learning method in the cryptocurrency market. Algorithmic trading has gained popularity with Machine Learning research. Initial works generally are in statistical strategies. Statistical arbitrage“mean reversion”methods are among the most frequently used algorithms. Statistical arbitrage involves simultaneously buying and selling assets with the same price trends but whose prices diverge in the short term. The idea is to take reverting positions on assets that are stationary over a period of time. Statistical arbitrage can be applied to any type of asset with the requirement that prices of assets should have co-movement and mean-reversion behavior. Research has two parts. First, find the cryptocurrency pairs to trade using the cointegration method. Second, implement a pairs trading strategy using Double Deep Q-Networks and compare the performance with buy and hold and statistical pairs trading methods. We implement strategies using 25 cryptocurrencies selected from the top 100 coins with the highest market value. The dataset uses daily prices, and the range is from January 2018 to April 2022; during this period market is in both bullish and bearish conditions. The results show that DDQN is profitable compared to the baseline cointegration method. The average cumulative return of DDQN is 16.95%, whereas the cointegration strategy is 2.83%. The buy and hold strategy on bullish market conditions outperforms both strategies. Another outcome is that using daily prices on the cryptocurrency market is not efficient for pairs trading.
Benzer Tezler
- Genetik ve makine öğrenmesi algoritmaları ile kripto varlıklar için al-sat kararı veren model çalışması
A model study that makes trading decisions for crypto assets using genetic and machine learning algorithms
BERNA YAMAN ŞAHİN
Doktora
Türkçe
2024
Ekonometriİstanbul ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. SEMA ULUTÜRK AKMAN
- Kripto paralarda üçlü arbitraj analizi
Analysis of triangular arbitrage in the crypto currency market
NÜKHET NUR SAYIN
Yüksek Lisans
Türkçe
2024
EkonomiGebze Teknik Üniversitesiİktisat Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERHAN ULUCEVİZ
- Algorithmic trading on cryptocurrency markets using machine learning techniques
Makine öğrenmesi teknikleri ile kripto para piyasalarında algoritmik işlemler
ÇAĞDAŞ AKTEPE
Yüksek Lisans
İngilizce
2018
Endüstri ve Endüstri MühendisliğiBoğaziçi ÜniversitesiEndüstri Mühendisliği Bilim Dalı
YRD. DOÇ. DR. MUSTAFA GÖKÇE BAYDOĞAN
- Pairs trading in most traded Turkish bank stocks
En çok işlem gören banka hisselerinde ikili işlemler
KEREM ÖNDE
Yüksek Lisans
İngilizce
2016
İşletmeDokuz Eylül Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. ADNAN KASMAN