אותות מטוויטר בתחום הקריפטו, סיקור חדשותי ודינמיקת מחירים
סיכום
המאמר בוחן אם אותות מסחר המובעים בפוסטים בטוויטר של מובילי דעה בתחום הקריפטו ושל כלי תקשורת קשורים למחירי השוק. מודלי שפה גדולים מזהים בפוסטים אותות קנייה ואותות שאינם אותות קנייה, ומשווים אותם למחירים של תשעה מטבעות קריפטוגרפיים מרכזיים. הניתוח משתמש בווקטור אוטורגרסיבי, במבחני סיבתיות גריינג׳ר ובמתאם צולב כדי לבחון תזמון וקשרים בין אותות מצרפיים לתנועות מחירים.
התוצאות משתנות בין מטבעות קריפטוגרפיים לתקופות, והמאמר מדווח גם על הבדלים בסיקור הנכסים בין מובילי דעה לכלי תקשורת. בשלושת המטבעות שהוזכרו בתדירות הגבוהה ביותר בפוסטים, האות המצרפי מ־24 השעות הקודמות גורם־גריינג׳ר לתנודות מחירים בפיגור של שש שעות לפחות. זו ראיה לקשר חיזויי בזמן לפי גישת המחקר, ולא הוכחה שהפוסטים גורמים למחירים או שהאותות מניבים עסקאות רווחיות. הסיכום אינו מתאר עלויות מסחר, ביצוע או בדיקה היסטורית של אסטרטגיה.
רעיונות מרכזיים
- מודלי שפה גדולים מסווגים פוסטים בטוויטר של מובילי דעה בתחום הקריפטו ושל כלי תקשורת כאותות קנייה או כאותות שאינם אותות קנייה.
- המחקר מקשר אותות שזוהו למחירי תשעה מטבעות קריפטוגרפיים מרכזיים באמצעות VAR, סיבתיות גריינג׳ר וניתוח מתאם צולב.
- התוצאות נבדלות בין נכסים לתקופות זמן.
- בשלושת המטבעות שהוזכרו בתדירות הגבוהה ביותר, אותות מ־24 השעות הקודמות גורמים־גריינג׳ר לתנודות מחירים בפיגור של שש שעות לפחות.
- הניתוח מדווח על הבדלים בין סיקור של מובילי דעה לסיקור של כלי תקשורת, אך אינו מבסס רווחיות מסחר.
תגיות
הטקסט המלא
# 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.
מוצג במלואו בציון המקור ובהתאם לרישיון שלו. רישיון: abstract CC0
הסיכום נכתב בידי סוכן המחקר של Stratmill על סמך המקור; הוא אינו העתק של המקור.