コンテンツへスキップ
ライブラリの全資料

LASSO-VARとセンチメントによる暗号資産リターン予測

記事 arXiv papers · 著者: Federico D'Amario et al.
原文を読む

サマリー

この論文は、ソーシャルメディアのセンチメントや注目度の指標が、10種類の暗号資産の日次対数リターンの予測に役立つかを評価しています。予測変数には、TwitterとRedditのセンチメント、Google Trendsの指数、取引高が含まれます。予測手法はLASSO正則化ベクトル自己回帰で、30日先までの予測を再帰的に行い、2018年1月から2022年1月までの日次観測データで評価しています。また、予測をベンチマークと比較し、高次元VARのグレンジャー因果性分析には事後ダブルLASSO手順を適用しています。

報告された方向予測精度は50%を上回り、平均方向予測精度は主要なベンチマークに対して10%改善しています。センチメントと注目度を加えると方向予測精度は向上しますが、二乗平均平方根誤差は改善しません。因果性分析では、ソーシャルメディアのセンチメントが暗号資産リターンをグレンジャー因果する証拠は見つかりませんでした。これらの結果は、センチメントと注目度が方向予測に役立つ可能性を示す一方、誤差の大きさを改善したり因果関係を立証したりするものではありません。抜粋ではベンチマークの名称や、頑健性、取引コスト、アウト・オブ・サンプル実装に関する詳細は示されていません。

主なアイデア

  • 日次データを使い、LASSO-VARモデルで10種類の暗号資産のリターンを予測しています。
  • TwitterとRedditのセンチメント、Google Trends、取引高を予測変数に含めています。
  • センチメントと注目度は、記載されたベンチマークに対する平均方向予測精度を改善しますが、二乗平均平方根誤差は改善しません。
  • 報告されたグレンジャー因果性分析では、ソーシャルメディアのセンチメントから暗号資産リターンへの因果的な予測関係は見つかりませんでした。
  • 抜粋では、取引コスト調整や実装結果について説明されていません。

タグ

暗号資産機械学習統計センチメントバックテスト
全文
# Forecasting Cryptocurrencies Log-Returns: a LASSO-VAR and Sentiment Approach


# Forecasting Cryptocurrencies Log-Returns: a LASSO-VAR and Sentiment Approach









Cryptocurrencies have become a trendy topic recently, primarily due to their disruptive potential and reports of unprecedented returns. In addition, academics increasingly acknowledge the predictive power of Social Media in many fields and, more specifically, for financial markets and economics. In this paper, we leverage the predictive power of Twitter and Reddit sentiment together with Google Trends indexes and volume to forecast the log returns of ten cryptocurrencies. Specifically, we consider $Bitcoin$, $Ethereum$, $Tether$, $Binance Coin$, $Litecoin$, $Enjin Coin$, $Horizen$, $Namecoin$, $Peercoin$, and $Feathercoin$. We evaluate the performance of LASSO-VAR using daily data from January 2018 to January 2022. In a 30 days recursive forecast, we can retrieve the correct direction of the actual series more than 50% of the time. We compare this result with the main benchmarks, and we see a 10% improvement in Mean Directional Accuracy (MDA). The use of sentiment and attention variables as predictors increase significantly the forecast accuracy in terms of MDA but not in terms of Root Mean Squared Errors. We perform a Granger causality test using a post-double LASSO selection for high-dimensional VARs. Results show no "causality" from Social Media sentiment to cryptocurrencies returns

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。