본문으로 건너뛰기
라이브러리 문서 전체

딥 NLP과 시장 데이터로 암호화폐 예측

기사 arXiv papers · 저자: Vincent Gurgul et al.
원문 읽기

요약

이 연구는 금융 및 블록체인 데이터와 결합한 뉴스·소셜 미디어 텍스트가 비트코인과 이더리움 가격 예측을 개선할 수 있는지 살펴봅니다. 사전 학습 및 미세 조정 언어 모델을 사전 기반 감성 분석 방법과 비교하고, 강세 또는 약세 콘텐츠를 식별하기 위해 BART MNLI 제로샷 분류를 사용합니다. 예측 대상에는 일일 움직임뿐 아니라 국지적 가격 고점과 저점도 포함됩니다. 이는 거래 빈도와 포트폴리오 변동성을 줄이려는 선택입니다.

저자들은 텍스트 특성을 추가하면 예측 정확도가 개선되며, 딥러닝 NLP 방법도 고려한 검증 시나리오 전반에서 수익성과 샤프 비율을 높인다고 보고합니다. 문서에는 상세한 표본 규모, 평가 지표, 기준 결과, 시장 기간 정보가 없어 설명만으로는 결과의 강도와 일반성을 평가할 수 없습니다. 이는 실증 예측 접근법을 설명하는 것이며, 신호가 실거래나 거래 비용 반영 후에도 수익성을 유지한다는 근거는 아닙니다.

핵심 아이디어

  • 비트코인과 이더리움 예측에 금융·블록체인 특성과 뉴스·소셜 미디어 텍스트를 결합합니다.
  • 딥러닝 NLP 모델을 사전 기반 감성 분석과 비교합니다.
  • BART MNLI 제로샷 분류로 텍스트를 강세 또는 약세로 분류합니다.
  • 국지적 고점과 저점을 예측 대상으로 삼아 거래 빈도와 포트폴리오 변동성을 줄이려 합니다.
  • 저자들은 예측 및 트레이딩 지표 개선을 보고하지만, 설명에는 검증 세부 사항과 비용 분석이 없습니다.

태그

가상자산머신러닝시장 심리온체인 데이터백테스트
전문
# Deep Learning and NLP in Cryptocurrency Forecasting: Integrating Financial, Blockchain, and Social Media Data


# Deep Learning and NLP in Cryptocurrency Forecasting: Integrating Financial, Blockchain, and Social Media Data









We introduce novel approaches to cryptocurrency price forecasting, leveraging Machine Learning (ML) and Natural Language Processing (NLP) techniques, with a focus on Bitcoin and Ethereum. By analysing news and social media content, primarily from Twitter and Reddit, we assess the impact of public sentiment on cryptocurrency markets. A distinctive feature of our methodology is the application of the BART MNLI zero-shot classification model to detect bullish and bearish trends, significantly advancing beyond traditional sentiment analysis. Additionally, we systematically compare a range of pre-trained and fine-tuned deep learning NLP models against conventional dictionary-based sentiment analysis methods. Another key contribution of our work is the adoption of local extrema alongside daily price movements as predictive targets, reducing trading frequency and portfolio volatility. Our findings demonstrate that integrating textual data into cryptocurrency price forecasting not only improves forecasting accuracy but also consistently enhances the profitability and Sharpe ratio across various validation scenarios, particularly when applying deep learning NLP techniques. The entire codebase of our experiments is made available via an online repository: https://anonymous.4open.science/r/crypto-forecasting-public

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

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