إشارات تويتر للعملات المشفرة والتغطية الإخبارية وديناميكيات الأسعار

الملخص

تبحث هذه الورقة ما إذا كانت إشارات التداول الواردة في منشورات مؤثري العملات المشفرة والمؤسسات الإخبارية على تويتر ترتبط بأسعار السوق. وتحدد النماذج اللغوية الكبيرة إشارات الشراء وعدم الشراء في المنشورات، ثم تقارنها بأسعار تسع عملات مشفرة رئيسية. ويستخدم التحليل الانحدار الذاتي المتجهي واختبارات سببية غرانجر والارتباط المتبادل لفحص التوقيت والعلاقات بين الإشارات المجمعة وتحركات الأسعار.

تختلف النتائج بين العملات المشفرة والفترات، وتذكر الورقة أيضًا اختلافات في تغطية المؤثرين والمؤسسات الإخبارية للأصول. وبالنسبة إلى العملات المشفرة الثلاث الأكثر ظهورًا في المنشورات، تتسبب الإشارة المجمعة خلال الساعات الـ24 السابقة وفق غرانجر في تقلبات الأسعار مع تأخر لا يقل عن ست ساعات. وهذا دليل على ارتباط تنبؤي زمني وفق منهج الدراسة، وليس برهانًا على أن المنشورات تسبب تحركات الأسعار أو أن الإشارات تنتج صفقات مربحة. ولا يصف الملخص تكاليف التداول أو التنفيذ أو باك تست للاستراتيجية.

الأفكار الرئيسية

• تصنف النماذج اللغوية الكبيرة منشورات مؤثري العملات المشفرة والمؤسسات الإخبارية على تويتر إلى إشارات شراء أو عدم شراء.
• تربط الدراسة الإشارات المكتشفة بأسعار تسع عملات مشفرة رئيسية باستخدام VAR وسببية غرانجر وتحليل الارتباط المتبادل.
• تختلف النتائج بحسب الأصول والفترات الزمنية.
• بالنسبة إلى العملات المشفرة الثلاث الأكثر ذكرًا، تتسبب إشارات الساعات الـ24 السابقة وفق غرانجر في تقلبات الأسعار مع تأخر لا يقل عن ست ساعات.
• يرصد التحليل اختلافات بين تغطية المؤثرين والمؤسسات الإخبارية، لكنه لا يثبت ربحية التداول.

الوسوم

# Exploring Relationships Between Cryptocurrency News Outlets and Influencers' Twitter Activity and Market Prices


# Exploring Relationships Between Cryptocurrency News Outlets and Influencers' Twitter Activity and Market Prices









Academics increasingly acknowledge the predictive power of social media for a wide variety of events and, more specifically, for financial markets. Anecdotal and empirical findings show that cryptocurrencies are among the financial assets that have been affected by news and influencers' activities on Twitter. However, the extent to which Twitter crypto influencer's posts about trading signals and their effect on market prices is mostly unexplored. In this paper, we use LLMs to uncover buy and not-buy signals from influencers and news outlets' Twitter posts and use a VAR analysis with Granger Causality tests and cross-correlation analysis to understand how these trading signals are temporally correlated with the top nine major cryptocurrencies' prices. Overall, the results show a mixed pattern across cryptocurrencies and temporal periods. However, we found that for the top three cryptocurrencies with the highest presence within news and influencer posts, their aggregated LLM-detected trading signal over the preceding 24 hours granger-causes fluctuations in their market prices, exhibiting a lag of at least 6 hours. In addition, the results reveal fundamental differences in how influencers and news outlets cover cryptocurrencies.

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.