Signaux Twitter crypto, couverture médiatique et dynamique des prix

Résumé

Cet article étudie le lien entre les signaux de trading exprimés dans les publications Twitter d’influenceurs et de médias spécialisés en cryptomonnaies, et les prix du marché. De grands modèles de langage repèrent les signaux d’achat et de non-achat dans les publications, puis les comparent aux prix de neuf grandes cryptomonnaies. L’analyse utilise l’autorégression vectorielle, des tests de causalité de Granger et la corrélation croisée pour examiner le calendrier et les relations entre les signaux agrégés et les mouvements de prix.

Les résultats varient selon les cryptomonnaies et les périodes ; l’article relève également des différences dans la couverture des actifs par les influenceurs et les médias. Pour les trois cryptomonnaies les plus citées, le signal agrégé des 24 heures précédentes précède au sens de Granger les fluctuations de prix, avec un décalage d’au moins six heures. Cela constitue une preuve d’association prédictive temporelle selon l’approche de l’étude, mais ne prouve ni que les publications causent les variations de prix ni que les signaux produisent des transactions rentables. Le résumé ne décrit ni les coûts de trading, ni l’exécution, ni un backtest de stratégie.

Idées clés

• De grands modèles de langage classent les publications Twitter d’influenceurs crypto et de médias comme des signaux d’achat ou de non-achat.
• L’étude relie les signaux détectés aux prix de neuf grandes cryptomonnaies à l’aide de VAR, de la causalité de Granger et d’analyses de corrélation croisée.
• Les résultats diffèrent selon les actifs et les périodes.
• Pour les trois cryptomonnaies les plus souvent citées, les signaux des 24 heures précédentes précèdent au sens de Granger les fluctuations de prix, avec un décalage d’au moins six heures.
• L’analyse relève des différences entre la couverture des influenceurs et celle des médias, mais n’établit pas la rentabilité du trading.

Étiquettes

# 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.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.