Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Determining Multi-Class Trading Signals for Bitcoin: A Comparative Study of XGBoost, LightGBM, and Random Forest

Tytuł:
Determining Multi-Class Trading Signals for Bitcoin: A Comparative Study of XGBoost, LightGBM, and Random Forest
Autorzy:
Stawarz, Marcin
Współwytwórcy:
Stawarz, Marcin
Data publikacji:
2025-01-07
Wydawca:
RepOD
Tematy:
Social Sciences
Bitcoin
machine learning
classification
financial markets
trading signals
Dostawca treści:
Repozytorium Otwartych Danych
Inne
  Przejdź do źródła  Link otwiera się w nowym oknie

The file provides daily trading data for Bitcoin (BTC) in USD, covering the period from January 1, 2015, to June 30, 2024. The dataset includes key indicators such as Open Price, High Price, Low Price, Close Price, Adjusted Close Price, and Volume.

This data originates from Yahoo Finance and serves as a foundation for time series analysis, forecasting, and machine learning models, focusing on identifying price patterns, volatility trends, and trading behaviors within the cryptocurrency market.

Raw data (CSV file). Source: Yahoo Finance.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies