コンテンツへスキップ
ライブラリの全資料

取引データ、センチメント、検索関心、ハッシュレートによるビットコインのボラティリティ予測

記事 arXiv papers · 著者: Zeyd Boukhers et al.
原文を読む

サマリー

この研究では、価格履歴以外の情報がビットコイン・ドルのボラティリティ予測に役立つかを検討します。提案するCoMForEシステムは、過去の取引データに、関連ツイートのセンチメント、世間の関心を示す検索量、ブロックチェーンのハッシュレートデータを組み合わせます。AdaBoost–LSTMアンサンブルを用い、暗号資産価格の分布変化も予測対象とします。投資判断への活用も想定されています。

これらのデータソースを組み合わせると、取引データだけを使う場合より良い結果になった実験を報告し、既存の予測手法に対して19.29%の改善を主張しています。評価期間、ベンチマークの詳細、予測期間、異なる市場局面におけるアウト・オブ・サンプルでの改善かどうかは明記されていません。こうした情報がないため、結果の一般化可能性や、データの利用可能性と取引コストを考慮した後もモデルが有用かを判断するのは困難です。

主なアイデア

  • 市場の過去データにツイートのセンチメント、検索関心、ブロックチェーンのハッシュレートを組み合わせます。
  • CoMForEは暗号資産のボラティリティ予測にAdaBoost–LSTMアンサンブルを用います。
  • 暗号資産価格の分布の変動も予測対象です。
  • 報告された実験では、複数種類の入力を組み合わせた方が取引データ単独より良い結果でした。
  • 頑健性や実際のトレード価値を判断するための評価詳細は、説明文に記載されていません。

タグ

暗号資産ボラティリティ機械学習センチメントオンチェーンデータ
全文
# Beyond Trading Data: The Hidden Influence of Public Awareness and Interest on Cryptocurrency Volatility


# Beyond Trading Data: The Hidden Influence of Public Awareness and Interest on Cryptocurrency Volatility









Since Bitcoin first appeared on the scene in 2009, cryptocurrencies have become a worldwide phenomenon as important decentralized financial assets. Their decentralized nature, however, leads to notable volatility against traditional fiat currencies, making the task of accurately forecasting the crypto-fiat exchange rate complex. This study examines the various independent factors that affect the volatility of the Bitcoin-Dollar exchange rate. To this end, we propose CoMForE, a multimodal AdaBoost-LSTM ensemble model, which not only utilizes historical trading data but also incorporates public sentiments from related tweets, public interest demonstrated by search volumes, and blockchain hash-rate data. Our developed model goes a step further by predicting fluctuations in the overall cryptocurrency value distribution, thus increasing its value for investment decision-making. We have subjected this method to extensive testing via comprehensive experiments, thereby validating the importance of multimodal combination over exclusive reliance on trading data. Further experiments show that our method significantly surpasses existing forecasting tools and methodologies, demonstrating a 19.29% improvement. This result underscores the influence of external independent factors on cryptocurrency volatility.

出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0

この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。