암호화폐 수익률과 심리 데이터 예측

기사 arXiv papers · 저자: Federico D'Amario et al.

요약

이 논문은 소셜 미디어의 감성과 관심도 지표가 암호화폐 10종의 일일 로그 수익률을 예측하는 데 도움이 되는지 평가합니다. 예측 변수에는 트위터와 레딧의 감성, 구글 트렌드 지수, 거래량이 포함됩니다. 예측 방법은 LASSO 규제를 적용한 벡터 자기회귀이며, 2018년 1월부터 2022년 1월까지의 일별 관측값을 대상으로 재귀적 30일 예측을 수행해 평가합니다. 또한 연구에서는 예측값을 벤치마크와 비교하고, 고차원 VAR에서 그랜저 인과관계를 분석하기 위해 사후 이중 LASSO 절차를 적용합니다.

보고된 방향 정확도는 50%를 넘으며, 평균 방향 정확도는 주요 벤치마크보다 10% 개선됩니다. 심리와 관심도 데이터를 추가하면 방향 정확도는 높아지지만 평균 제곱근 오차는 개선되지 않습니다. 인과성 분석에서는 소셜 미디어 심리가 암호화폐 수익률의 그랜저 인과성을 가진다는 근거를 찾지 못했습니다. 이 결과는 심리와 관심도가 방향 예측에는 도움이 될 수 있지만 오차 크기를 줄이거나 인과관계를 입증하지는 못한다는 점을 시사합니다. 발췌문에는 벤치마크 이름이 없으며 강건성, 거래 비용 또는 표본 외 실행에 대한 세부 정보도 제시되지 않았습니다.

핵심 아이디어

이 연구는 LASSO-VAR 모형으로 일별 데이터를 사용해 암호화폐 10종의 수익률을 예측합니다.
트위터 및 레딧 심리, Google Trends, 거래량을 예측 변수로 포함합니다.
심리와 관심도 데이터는 명시된 벤치마크보다 평균 방향 정확도를 높이지만 평균 제곱근 오차는 개선하지 않습니다.
보고된 그랜저 인과성 분석에서는 소셜 미디어 심리가 암호화폐 수익률을 예측하는 인과적 연결의 근거를 찾지 못했습니다.
발췌문에는 거래 비용 조정이나 실행 결과에 대한 설명이 없습니다.

# 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

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

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

LASSO-VAR와 심리 데이터로 암호화폐 수익률 예측

요약

핵심 아이디어

태그