Il mercato delle criptovalute si contraddistingue per un alta volatilità da cui ਠpossibile 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 puಠportare 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.
Tecniche di Machine Learning per il Trading di Criptovalute.
2018
Abstract
Il mercato delle criptovalute si contraddistingue per un alta volatilità da cui ਠpossibile 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 puಠportare 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.File in questo prodotto:
| File | Dimensione | Formato | |
|---|---|---|---|
|
Tesi.pdf
accesso solo da BNCF e BNCR
Tipologia:
Altro materiale allegato
Licenza:
Tutti i diritti riservati
Dimensione
4.48 MB
Formato
Adobe PDF
|
4.48 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento:
https://hdl.handle.net/20.500.14242/304093
Il codice NBN di questa tesi è
URN:NBN:IT:UNIMORE-304093