2026 අරවී පර්යේෂණයක් පෙන්වා දෙන්නේ, XGBoost යෙදවීමෙන් Bitcoin (BTC/USDT) පැයක දත්ත මත ආර්ථික වශයෙන් ලාභදායී විය හැකි බවයි. 70,000 පැයක නිරීක්ෂණයක් සහ 27-වරක් walk‑forward පරීක්ෂාවකින් ගණනාවක් සොයා ගත්තා.
ගවේෂණයේ ප්රධාන ප්රතිඵලය වන්නේ, ගනුදෙනු වියදම් (10bps) සලකා බලන විශේෂිත ඉදිරිපත් කිරීමක් භාවිතා කළ විට, වාර්ෂික ආදායම 65% කට පසු වීමත්, Sharpe අනුපාතය 1.0 ඉක්මවා යාමත් වේ. නමුත් මේ ලාභය මොඩලයේ නිර්මාණය නොව, ගැලපෙන විධානයේ (execution discipline) පදනම් වූ බවයි පර්යේෂණය අවධාරණය කරනවා.
මොඩලය මිල නිරීක්ෂණයක් නොව, ඊළඟ පැයක හෝ 4‑24 පැය පරාසයේ මිල දිශාව අනාවරණය කරන classification ආකාරයකින් සකස් කරයි. ලේබලය 1 යනු, ගාස්තු පසු 0.3% කට වැඩි ආපසු ආදායමක් ලැබේ නම්, නැතහොත් 0 යි. මෙය class imbalance ගැලපීමට stratified folds භාවිතා කරයි.
විශේෂයෙන් වැදගත් වූයේ, Bollinger Band ස්ථානය (8.37% වැදගත්කම) හා RSI වැනි මොමෙන්ටම් දර්ශකයන් XGBoost මොඩලයේ ප්රධාන විශේෂණ ලෙස ඉහළින් පෙන්වීමයි. එමෙන්ම, order‑flow ප්රතිඵල (CVD, buy‑sell imbalance) හා volatility (realized vol, ATR) ද අතිශය ප්රයෝජනවත් බව සොයා ගන්නා ලදී.
ශ්රී ලංකාවට ඇති වැදගත්කම
මෙම පර්යේෂණය ශ්රී ලංකාවේ තාක්ෂණ ශිෂ්යයන්, සංවර්ධකයින් සහ ව්යාපාරිකයන්ට පහත ආකාරයෙන් ප්රයෝජන දක්වයි:
- ඉගෙනුම් අවස්ථා: XGBoost, walk‑forward validation සහ cost‑aware filtering වැනි නවතම AI ක්රමවේදයන් ප්රායෝගිකව අධ්යයනය කිරීමට පදනමක් සපයයි.
- විකාශකයන්ට: Tabular දත්ත සඳහා decision‑tree පදනම් මොඩලයන් තේරීමට, SHAP විස්තරකරණය භාවිතා කර ගැටළු හඳුනා ගැනීමට හැකියාව ලැබේ.
- ව්යාපාරිකයින්ට: ගනුදෙනු වියදම් පාලනය කිරීමේ වැදගත්කම තේරුම් ගනිමින්, AI‑චලිත crypto trading strategies නිර්මාණය කළ හැකිය.
අවසන් වශයෙන්, XGBoost මොඩලය තනිවම සම්පූර්ණ ATM එකක් නොව, නඩත්තු කළ යුතු, නිරන්තරයෙන් පරීක්ෂා කළ යුතු උපකරණයක් බවත්, එය නිවැරදි ඉදිරිපත් කිරීම සහ කාර්යක්ෂම ගනුදෙනු සැලසුම් සමඟම සාර්ථක විය හැකි බවත් පෙන්වයි.
