机器学习在加密货币交易研究中的应用包含了数据源理解和机器学习模型研究之间的联系。进一步的具体例子将在后面一节中给出。

3.4. 投资组合研究

投资组合理论提倡投资多样化，通过战略性地配置资产，在给定的风险水平下实现收益最大化。著名的均值-方差优化就是这种方法的一个突出例子[182]。有一些常见的方法来建立一个加密资产的多元化投资组合。第一种方法是跨市场多样化，即在加密货币市场的投资组合中混合各种各样的投资。第二种方法是考虑行业生态细分市场，即避免在任何一个类别上投资过多资金。加密货币市场投资组合的多元化投资包括跨加密货币的投资组合[175]和跨全球市场的投资组合，包括股票和期货[140]。

3.5. 市场状况研究

对于加密货币来说，市场状况研究显得尤为重要。金融泡沫是指资产价格的大幅上涨，而其内在价值没有发生变化[48]。许多专家指出，2017年加密货币价格增长了900%，出现了加密货币泡沫。2018年，比特币面临价值暴跌。这种显著的波动促使研究人员研究加密货币交易中的泡沫和极端情况。

4. 论文收集与报告模式

本节介绍了我们论文收集的范围和方法、基本分析和调查的结构。

4.1. 调查范围

本文采用自下而上的方法研究加密货币交易，从系统到风险管理技术。对于基础交易系统，重点是优化交易平台结构和改进计算机科学技术。

在更高的层次上，研究人员专注于设计模型来预测加密货币市场的回报或波动。这些技术对交易信号的产生非常有用。在上述预测模型的下一个层次上，研究人员讨论了在真实加密货币市场进行交易的技术交易方法。泡沫和极端情况是加密货币交易中的热门话题，因为如上所述，这些市场已显示出高度的波动性（而在崩溃后波动性下降）。投资组合和加密货币资产管理是控制风险的有效方法。在风险管理研究中，我们将这两个领域归为一组。本次调查的其他论文包括定价规则、动态市场分析、监管含义等主题。表2显示了本次调查中加密货币交易的一般范围。

由于加密货币交易中的许多交易策略和方法都与股票交易密切相关，一些研究者将后者的研究成果移植或使用到前者。在进行这项研究时，我们只考虑那些研究集中在加密货币市场或这些市场和其他金融市场交易比较的论文。

具体而言，我们在收集与加密货币交易相关的文件时采用以下标准：

1 本文介绍或讨论了加密货币交易的一般概念或加密货币交易的相关方面。

2 本文提出了一种方法，研究或框架，目标是优化效率或准确性的加密货币交易。 (责任编辑：admin)