Datos de mercado de Bitcoin y señales sociales para trading

Resumen

Este estudio combina medidas del mercado de Bitcoin con señales sociales y de comportamiento para investigar el trading algorítmico. Sus entradas incluyen el precio y el volumen en plataformas de intercambio, la adopción tecnológica y el volumen de transacciones de Bitcoin, además de la actividad de búsqueda, el volumen del boca a boca, el sentimiento de los tuits y la polarización de opiniones. El análisis abarca más de tres años de datos relacionados con Bitcoin y examina cómo se relacionan estas señales con los movimientos de precios.

Los autores indican que el aumento de la polarización de opiniones y del volumen en plataformas de intercambio precede a precios más altos de Bitcoin, mientras que la valencia emocional precede a cambios en la polarización y al aumento del volumen en esas plataformas. Utilizan estas relaciones para crear estrategias de trading y comunican beneficios elevados durante un periodo inferior a un año. También afirman que las comprobaciones estadísticas tienen en cuenta el riesgo y los costes de trading. El documento no proporciona reglas precisas de estrategia, cifras de rendimiento ni detalles de validación, por lo que los resultados respaldan el enfoque en la muestra estudiada, pero no garantizan que las señales sociales sigan siendo predictivas.

Ideas clave

• El análisis combina la actividad del mercado de Bitcoin, su adopción, las transacciones y las señales sociales.
• Según lo comunicado, la polarización de opiniones y el volumen en plataformas de intercambio preceden a las subidas de Bitcoin.
• Según lo comunicado, la valencia emocional precede a la polarización y al aumento del volumen en plataformas de intercambio.
• Los autores utilizan estas relaciones para crear estrategias y comunican resultados rentables.
• La descripción carece de detalles suficientes para evaluar de forma independiente las reglas de la estrategia o su persistencia.

Etiquetas

# Social signals and algorithmic trading of Bitcoin


# Social signals and algorithmic trading of Bitcoin









The availability of data on digital traces is growing to unprecedented sizes, but inferring actionable knowledge from large-scale data is far from being trivial. This is especially important for computational finance, where digital traces of human behavior offer a great potential to drive trading strategies. We contribute to this by providing a consistent approach that integrates various datasources in the design of algorithmic traders. This allows us to derive insights into the principles behind the profitability of our trading strategies. We illustrate our approach through the analysis of Bitcoin, a cryptocurrency known for its large price fluctuations. In our analysis, we include economic signals of volume and price of exchange for USD, adoption of the Bitcoin technology, and transaction volume of Bitcoin. We add social signals related to information search, word of mouth volume, emotional valence, and opinion polarization as expressed in tweets related to Bitcoin for more than 3 years. Our analysis reveals that increases in opinion polarization and exchange volume precede rising Bitcoin prices, and that emotional valence precedes opinion polarization and rising exchange volumes. We apply these insights to design algorithmic trading strategies for Bitcoin, reaching very high profits in less than a year. We verify this high profitability with robust statistical methods that take into account risk and trading costs, confirming the long-standing hypothesis that trading based social media sentiment has the potential to yield positive returns on investment.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.