Криптовалюты, алго и нейросети – свежие исследования

Каждую неделю мы просматриваем десятки-сотни новых научных работ по трейдингу и алгоритмам. Вот что выделилось на этой неделе.

1. Как предсказать волатильность крипты
Криптовалюты сильно прыгают в цене, поэтому их сложно прогнозировать. В статье Probabilistic Forecasting Cryptocurrencies Volatility: From Point to Quantile Forecasts предлагают новый метод – QRS. Он оценивает вероятности резких скачков на логарифмах данных. Простые линейные модели с ним работают лучше сложных.

Другое исследование – Sentiment-Aware Mean-Variance Portfolio Optimization for Cryptocurrencies – добавляет к анализу настроения из соцсетей и технические индикаторы. Стратегия дала +38,7% против +8,85% у Bitcoin, но и просадки у неё выше (-18,5%).

Вывод: крипту стоит анализировать не только по цифрам, но и по настроению рынка.

2. Нейросети для портфелей
LSTM-сети (особый тип нейросетей) хорошо предсказывают изменения в портфелях. В работе Investment Portfolio Optimization Based on Modern Portfolio Theory and Deep Learning Models их используют для расчёта корреляций активов. Результаты лучше, особенно на долгих периодах.

Ещё одна схема – Deep Learning for Short Term Equity Trend Forecasting: A Behavior Driven Multi Factor Approach (http://arxiv.org/abs/2508.14656v1). Там нейросеть учитывает поведенческие факторы и даёт точные краткосрочные прогнозы по акциям.

3. Объединение прогнозов для рисков
Статья Combining a Large Pool of Forecasts of Value-at-Risk and Expected Shortfall проверяет, как лучше комбинировать разные методы оценки рисков. Усечённое среднее и вероятностное усреднение работают надёжнее всего.

Что дальше
В ближайшее время ждём ещё больше моделей с нейросетями и анализом соцсетей. Особенно для криптовалют. Возможно, появятся гибридные методы – например, текстовый анализ + рыночные данные.

Если хотите разобрать какую-то статью подробнее – пишите.

Пишу про автоматизацию трейдинга и не только. Канал