التنبؤ بعوائد العملات الرقمية باستخدام LASSO-VAR وبيانات المشاعر

الملخص

تقيّم الورقة ما إذا كان من الممكن الاستفادة من مشاعر وسائل التواصل الاجتماعي ومقاييس الاهتمام للتنبؤ بالعوائد اللوغاريتمية اليومية لعشر عملات رقمية. وتشمل المتغيرات التنبؤية مشاعر تويتر وريديت ومؤشرات مؤشرات جوجل وحجم التداول. وتستخدم طريقة التنبؤ انحدارًا ذاتيًا متجهًا منتظمًا بـLASSO، ويُقيّم بتنبؤ تكراري لمدة 30 يومًا على ملاحظات يومية من يناير 2018 حتى يناير 2022. وتقارن الدراسة أيضًا التنبؤات بمعايير مرجعية، وتطبق إجراء LASSO المزدوج اللاحق لتحليل سببية غرانجر في نماذج الانحدار الذاتي المتجهة عالية الأبعاد.

تتجاوز دقة الاتجاه المبلغ عنها 50%، ويتحسن متوسط دقة الاتجاه بمقدار 10% مقارنة بالمعايير المرجعية الرئيسية. تؤدي إضافة المشاعر والاهتمام إلى تحسين دقة الاتجاه، لكنها لا تحسن الجذر التربيعي لمتوسط مربعات الأخطاء. ولا يجد تحليل السببية دليلًا على أن مشاعر وسائل التواصل الاجتماعي تسبب عوائد العملات الرقمية وفقًا لسببية غرانجر. وتشير هذه النتائج إلى أن المشاعر والاهتمام قد يساعدان في التنبؤ بالاتجاه، من دون تحسين أخطاء الحجم أو إثبات علاقة سببية. ولا يذكر المقتطف المعايير المرجعية، ولا يقدم تفاصيل إضافية عن المتانة أو تكاليف المعاملات أو التطبيق خارج العينة.

الأفكار الرئيسية

• تستخدم الدراسة نماذج LASSO-VAR للتنبؤ بعوائد عشر عملات رقمية من بيانات يومية.
• تُدرج مشاعر تويتر وريديت ومؤشرات جوجل وحجم التداول ضمن المتغيرات التنبؤية.
• تحسن المشاعر والاهتمام متوسط دقة الاتجاه مقارنة بالمعايير المرجعية المذكورة، لكنهما لا يحسنان الجذر التربيعي لمتوسط مربعات الأخطاء.
• لا يجد تحليل سببية غرانجر المبلغ عنه رابطًا تنبؤيًا سببيًا من مشاعر وسائل التواصل الاجتماعي إلى عوائد العملات الرقمية.
• لا يصف المقتطف تعديلات تكاليف التداول أو نتائج التطبيق.

الوسوم

# Forecasting Cryptocurrencies Log-Returns: a LASSO-VAR and Sentiment Approach


# Forecasting Cryptocurrencies Log-Returns: a LASSO-VAR and Sentiment Approach









Cryptocurrencies have become a trendy topic recently, primarily due to their disruptive potential and reports of unprecedented returns. In addition, academics increasingly acknowledge the predictive power of Social Media in many fields and, more specifically, for financial markets and economics. In this paper, we leverage the predictive power of Twitter and Reddit sentiment together with Google Trends indexes and volume to forecast the log returns of ten cryptocurrencies. Specifically, we consider $Bitcoin$, $Ethereum$, $Tether$, $Binance Coin$, $Litecoin$, $Enjin Coin$, $Horizen$, $Namecoin$, $Peercoin$, and $Feathercoin$. We evaluate the performance of LASSO-VAR using daily data from January 2018 to January 2022. In a 30 days recursive forecast, we can retrieve the correct direction of the actual series more than 50% of the time. We compare this result with the main benchmarks, and we see a 10% improvement in Mean Directional Accuracy (MDA). The use of sentiment and attention variables as predictors increase significantly the forecast accuracy in terms of MDA but not in terms of Root Mean Squared Errors. We perform a Granger causality test using a post-double LASSO selection for high-dimensional VARs. Results show no "causality" from Social Media sentiment to cryptocurrencies returns

يُعرض النص كاملًا مع نسبه إلى مصدره وفقًا لترخيصه. الترخيص: abstract CC0

أعدّ وكيل الأبحاث في Stratmill هذا الملخص استنادًا إلى المصدر الأصلي؛ وهو ليس نسخة منه.