본문으로 건너뛰기
라이브러리 문서 전체

거래·심리·검색 관심도·해시레이트를 활용한 비트코인 변동성 예측

기사 arXiv papers · 저자: Zeyd Boukhers et al.
원문 읽기

요약

이 연구는 과거 가격 정보 외의 정보가 비트코인-달러 변동성 예측에 도움이 되는지 살펴봅니다. 제안된 CoMForE 시스템은 과거 거래 데이터에 관련 트윗의 감성, 대중의 관심을 나타내는 검색량 지표, 블록체인 해시레이트 데이터를 결합합니다. AdaBoost–LSTM 앙상블을 사용하며 암호화폐 가치 분포의 변화도 예측하려 합니다. 이를 투자 결정에 활용할 가능성도 제시합니다.

문서는 이 데이터 원천을 결합했을 때 거래 데이터만 사용한 경우보다 성능이 좋았던 실험을 보고하며, 기존 예측 방법보다 19.29% 개선됐다고 주장합니다. 평가 기간, 벤치마크 세부 정보, 예측 기간 또는 보고된 개선이 다양한 시장 국면에서 표본 외에도 나타났는지는 명시하지 않습니다. 이러한 정보가 없어 결과의 적용 범위나 데이터 가용성 및 거래 비용을 고려한 뒤에도 모형이 유용할지 판단하기 어렵습니다.

핵심 아이디어

  • 이 모형은 시장 이력에 트윗 감성, 검색 관심도, 블록체인 해시레이트를 결합합니다.
  • CoMForE는 암호화폐 변동성 예측에 AdaBoost–LSTM 앙상블을 사용합니다.
  • 이 시스템은 암호화폐 가치 분포의 변동도 예측 대상으로 삼습니다.
  • 보고된 실험에서는 여러 데이터 유형을 함께 사용했을 때 거래 데이터만 사용한 경우보다 나은 결과를 보였습니다.
  • 간략한 설명에는 강건성과 실용적인 거래 가치를 판단하는 데 필요한 평가 정보가 빠져 있습니다.

태그

가상자산변동성머신러닝시장 심리온체인 데이터
전문
# 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.

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.