banca dati delle tesi e dissertazioni accademiche elettroniche
| Tipo di tesi | Tesi di laurea magistrale | ||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Autore | VISCUSI, ADAM | ||||||||||||||||||||||||||||||
| URN | etd-11052018-163256 | ||||||||||||||||||||||||||||||
| Titolo | Tecniche di Machine Learning per il Trading di Criptovalute. | ||||||||||||||||||||||||||||||
| Titolo in inglese | Machine Learning Techniques for Cryptocurrency Trading. | ||||||||||||||||||||||||||||||
| Struttura | Dipartimento di Economia "Marco Biagi" | ||||||||||||||||||||||||||||||
| Corso di studi | Analisi, consulenza e gestione finanziaria (D.M.270/04) | ||||||||||||||||||||||||||||||
| Commissione |
|
||||||||||||||||||||||||||||||
| Parole chiave |
|
||||||||||||||||||||||||||||||
| Data inizio appello | 2018-12-13 | ||||||||||||||||||||||||||||||
| Disponibilità | Accesso limitato: si può decidere quali file della tesi rendere accessibili. Disponibilità mixed (scegli questa opzione se vuoi rendere inaccessibili tutti i file della tesi o parte di essi) | ||||||||||||||||||||||||||||||
| Data di rilascio | 2058-12-13 | ||||||||||||||||||||||||||||||
Riassunto analitico
Il mercato delle criptovalute si contraddistingue per un alta volatilità da cui è possibile trarre profitto attraverso il trading. L'impiego di tecniche di Machine Learning (ed in particolare delle reti neurali ricorrenti) a diverse tipologie di dati inerenti a tali assets può portare alla definizione di strategie di trading in grado di cogliere tali opportunità. Il lavoro svolto punta alla definizione di un framework per la costruzione di tali modelli, che sia riproducibile per le diverse criptovalute e ne permetta di confrontare le performance. |
|||||||||||||||||||||||||||||||
Abstract
Cryptocurrency Markets appear to have high volatilities from which is possibile to achieve high returns. Using Machine Learning techniques (in particular recurrent neural networks) along with different types of data coming from such assets may lead to trading strategies that can achieve such goal. This work aims to define a working framework that can be reproducible for different cryptocurrencies and allows to compare their performances. |
|||||||||||||||||||||||||||||||
| File |
|
||||||||||||||||||||||||||||||