Señales cripto en Twitter, noticias y precios

Resumen

Este artículo estudia si las señales de trading expresadas en publicaciones de Twitter de personas influyentes en criptomonedas y medios de noticias están asociadas con los precios de mercado. Modelos de lenguaje grandes identifican señales de compra y de no compra en las publicaciones, que después se comparan con los precios de nueve criptomonedas importantes. El análisis utiliza autorregresión vectorial, pruebas de causalidad de Granger y correlación cruzada para examinar la cronología y las relaciones entre las señales agregadas y los movimientos de precios.

Los resultados varían según la criptomoneda y el periodo; el artículo también informa de diferencias en la cobertura de los activos por parte de personas influyentes y medios de noticias. Para las tres criptomonedas más mencionadas, la señal agregada de las 24 horas anteriores causa en el sentido de Granger fluctuaciones de precios con un desfase de al menos seis horas. Esto constituye evidencia de una asociación predictiva temporal según el método del estudio, no una prueba de que las publicaciones causen los precios ni de que las señales generen operaciones rentables. El resumen no describe costes de trading, ejecución ni un backtest de estrategia.

Ideas clave

• Modelos de lenguaje grandes clasifican las publicaciones de Twitter de personas influyentes en criptomonedas y medios de noticias como señales de compra o de no compra.
• El estudio relaciona las señales detectadas con los precios de nueve criptomonedas importantes mediante VAR, causalidad de Granger y análisis de correlación cruzada.
• Los resultados varían según los activos y los periodos.
• Para las tres criptomonedas más mencionadas, las señales de las 24 horas anteriores causan en el sentido de Granger fluctuaciones de precios con un desfase de al menos seis horas.
• El análisis informa de diferencias entre la cobertura de personas influyentes y la de medios de noticias, pero no demuestra rentabilidad en trading.

Etiquetas

# 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.

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.