بررسی بازده رمزارز با موضوعات شبکه‌های اجتماعی و مدل‌های هاوکس

خلاصه

این پژوهش بررسی می‌کند آیا زمان‌بندی و موضوع بحث‌های شبکه‌های اجتماعی درباره رمزارز با رفتار بعدی قیمت ارتباط دارد. مدل‌سازی پویای موضوعات را روی گفت‌وگوهای جوامع شبکه‌های اجتماعی به کار می‌گیرد و سپس با مدل هاوکس تعامل میان رخداد موضوعات و قیمت رمزارزها را می‌سنجد. هدف این رویکرد شناسایی موضوعاتی است که ممکن است پیش از الگوهای مشخص بازده ظاهر شوند.

از جمله ارتباط‌های گزارش‌شده این است که بحث درباره ریسک و سرمایه‌گذاری در برابر معامله‌گری پیش از افت قیمت، گفت‌وگو درباره حرکت‌های بزرگ قیمت پیش از نوسان‌پذیری، و بحث جوامع فنی درباره ارزش بنیادی رمزارز پیش از افزایش قیمت رخ می‌دهد. این یافته‌ها ورودی‌های احتمالی برای سامانه‌های معاملاتی یا هشداردهی را مطرح می‌کنند، اما سند نحوه ساخت نمونه، دارایی‌ها، دقت پیش‌بینی یا آزمون‌های خارج از نمونه را گزارش نمی‌کند. این روابط همبستگی‌اند و نباید به‌تنهایی اثر علّی یا شاهدی بر سودآوری سیگنال پس از هزینه‌های اجرا تلقی شوند.

ایده‌های کلیدی

• مدل‌سازی پویای موضوعات برای ردیابی زمان‌بندی بحث‌ها در شبکه‌های اجتماعی رمزارز به کار می‌رود.
• مدل هاوکس تعامل میان فعالیت موضوعات و رخدادهای قیمت رمزارز را برآورد می‌کند.
• گزارش شده است که برخی موضوعات پیش از افت قیمت، نوسان‌پذیری یا افزایش قیمت ظاهر می‌شوند.
• روابط مشاهده‌شده می‌توانند به سامانه‌های پایش یا سیگنال کمک کنند، اما عملکرد پیش‌بینی کمی‌سازی نشده است.
• سند علیت یا سودآوری معاملات را اثبات نمی‌کند.

برچسب‌ها

# Mutual-Excitation of Cryptocurrency Market Returns and Social Media Topics


# Mutual-Excitation of Cryptocurrency Market Returns and Social Media Topics









Cryptocurrencies have recently experienced a new wave of price volatility and interest; activity within social media communities relating to cryptocurrencies has increased significantly. There is currently limited documented knowledge of factors which could indicate future price movements. This paper aims to decipher relationships between cryptocurrency price changes and topic discussion on social media to provide, among other things, an understanding of which topics are indicative of future price movements. To achieve this a well-known dynamic topic modelling approach is applied to social media communication to retrieve information about the temporal occurrence of various topics. A Hawkes model is then applied to find interactions between topics and cryptocurrency prices. The results show particular topics tend to precede certain types of price movements, for example the discussion of 'risk and investment vs trading' being indicative of price falls, the discussion of 'substantial price movements' being indicative of volatility, and the discussion of 'fundamental cryptocurrency value' by technical communities being indicative of price rises. The knowledge of topic relationships gained here could be built into a real-time system, providing trading or alerting signals.

با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0

این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.