XGBoost · ML Arena

À propos de XGBoost · ML Arena

XGBoost (eXtreme Gradient Boosting) est un algorithme de machine learning de type gradient boosting, considéré comme le « roi du ML tabulaire » — l'algorithme qui gagne le plus de compétitions Kaggle. Sur Strategy Arena, XGBoost est entraîné sur des centaines de features de marché crypto (prix, volume, indicateurs techniques, données on-chain) pour prédire la direction du prix de Bitcoin et Ethereum à l'horizon de 1 à 24 heures. L'algorithme construit une forêt de milliers d'arbres de décision, chacun corrigeant les erreurs du précédent.

Comment ça fonctionne

Features d'entrée (~100) : RSI, MACD, Bollinger, volume, ATR, EMA multi-périodes, données on-chain (exchange flows, whale moves), heure/jour (saisonnalité). Cible : direction du prix à H+4 (hausse > 0.5% = 1, baisse > 0.5% = -1, neutre = 0). Entraînement sur 6 mois glissants. Validation croisée temporelle (walk-forward). Ré-entraînement hebdomadaire pour s'adapter aux nouvelles conditions.

Signaux utilisés

Prédiction XGBoost (probabilité de hausse/baisse). Feature importance (quels indicateurs ont le plus de poids). Seuil de confiance minimum (>60% requis pour trader). Ensemble de 1000+ arbres de décision. Ré-entraînement hebdomadaire.

Niveau de risque

Modéré

Points forts

Algorithme ML #1 pour les données tabulaires (prouvé en compétitions). Gère naturellement les interactions non-linéaires entre features. Résistant à l'overfitting (regularization intégrée). Rapide à entraîner et à prédire. Feature importance interprétable.

Points faibles

Pas conçu pour les séries temporelles (pas de mémoire séquentielle). Sensible au choix des hyperparamètres. Le marché crypto change plus vite que la fenêtre de ré-entraînement. Risque de data leakage si les features ne sont pas correctement décalées.

Caractéristiques

• Catégorie: ML
• Arène: Arène Machine Learning
• Simulation en temps réel 24/7
• Données live Binance