Krypto-Twitter-Signale, Nachrichten und Kursdynamik

Zusammenfassung

Diese Arbeit untersucht, ob Trading-Signale aus Twitter-Beiträgen von Krypto-Influencern und Nachrichtenmedien mit Marktpreisen zusammenhängen. Große Sprachmodelle erkennen Kauf- und Nicht-Kauf-Signale in Beiträgen, die anschließend mit den Preisen von neun großen Kryptowährungen verglichen werden. Die Analyse verwendet vektorautoregressive Modelle, Granger-Kausalitätstests und Kreuzkorrelationen, um zeitliche Abläufe und Beziehungen zwischen aggregierten Signalen und Kursbewegungen zu untersuchen.

Die Ergebnisse unterscheiden sich je nach Kryptowährung und Zeitraum; außerdem berichtet die Arbeit Unterschiede darin, wie Influencer und Nachrichtenmedien die Assets behandeln. Bei den drei Kryptowährungen, die in den Beiträgen am häufigsten vorkommen, verursacht das aggregierte Signal der vorherigen 24 Stunden im Granger-Sinn Kursschwankungen mit einer Verzögerung von mindestens sechs Stunden. Dies ist nach dem Ansatz der Studie ein Hinweis auf einen zeitlichen Vorhersagezusammenhang, aber kein Beweis dafür, dass Beiträge Preise verursachen oder die Signale profitable Trades hervorbringen. Die Zusammenfassung beschreibt weder Trading-Kosten noch Ausführung oder einen Strategie-Backtest.

Kernaussagen

• Große Sprachmodelle klassifizieren Twitter-Beiträge von Krypto-Influencern und Nachrichtenmedien als Kauf- oder Nicht-Kauf-Signale.
• Die Studie verknüpft erkannte Signale mithilfe von VAR, Granger-Kausalität und Kreuzkorrelationsanalysen mit den Preisen von neun großen Kryptowährungen.
• Die Ergebnisse unterscheiden sich je nach Asset und Zeitraum.
• Bei den drei am häufigsten erwähnten Kryptowährungen verursachen Signale der vorherigen 24 Stunden Kursschwankungen im Granger-Sinn mit einer Verzögerung von mindestens sechs Stunden.
• Die Analyse berichtet Unterschiede zwischen der Berichterstattung von Influencern und Nachrichtenmedien, weist aber keine Profitabilität des Tradings nach.

Schlagwörter

# 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.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.