Sinais no Twitter sobre criptomoedas, cobertura jornalística e dinâmica de preços

Resumo

Este artigo estuda se sinais de trading expressos em publicações no Twitter de influenciadores de criptomoedas e veículos de notícias estão associados aos preços do mercado. Modelos de linguagem grandes identificam nas publicações sinais de compra e de não compra, que são então comparados com os preços de nove das principais criptomoedas. A análise usa autorregressão vetorial, testes de causalidade de Granger e correlação cruzada para examinar o momento e as relações entre os sinais agregados e os movimentos de preços.

Os resultados variam entre criptomoedas e períodos, e o artigo também relata diferenças na cobertura dos ativos por influenciadores e veículos de notícias. Para as três criptomoedas mais representadas nas publicações, o sinal agregado das 24 horas anteriores causa, no sentido de Granger, flutuações de preços com defasagem de pelo menos seis horas. Isso é evidência de associação preditiva temporal segundo a abordagem do estudo, não prova que as publicações causem os preços nem que os sinais produzam operações lucrativas. O resumo não descreve custos de trading, execução nem backtest de estratégia.

Ideias principais

• Modelos de linguagem grandes classificam publicações no Twitter de influenciadores de cripto e veículos de notícias como sinais de compra ou de não compra.
• O estudo relaciona os sinais detectados aos preços de nove das principais criptomoedas usando VAR, causalidade de Granger e análise de correlação cruzada.
• Os resultados diferem entre ativos e períodos.
• Para as três criptomoedas mencionadas com maior frequência, sinais das 24 horas anteriores causam, no sentido de Granger, flutuações de preços com defasagem de pelo menos seis horas.
• A análise relata diferenças entre a cobertura de influenciadores e de veículos de notícias, mas não estabelece lucratividade no trading.

Tags

# Exploring Relationships Between Cryptocurrency News Outlets and Influencers' Twitter Activity and Market Prices


# Exploring Relationships Between Cryptocurrency News Outlets and Influencers' Twitter Activity and Market Prices









Academics increasingly acknowledge the predictive power of social media for a wide variety of events and, more specifically, for financial markets. Anecdotal and empirical findings show that cryptocurrencies are among the financial assets that have been affected by news and influencers' activities on Twitter. However, the extent to which Twitter crypto influencer's posts about trading signals and their effect on market prices is mostly unexplored. In this paper, we use LLMs to uncover buy and not-buy signals from influencers and news outlets' Twitter posts and use a VAR analysis with Granger Causality tests and cross-correlation analysis to understand how these trading signals are temporally correlated with the top nine major cryptocurrencies' prices. Overall, the results show a mixed pattern across cryptocurrencies and temporal periods. However, we found that for the top three cryptocurrencies with the highest presence within news and influencer posts, their aggregated LLM-detected trading signal over the preceding 24 hours granger-causes fluctuations in their market prices, exhibiting a lag of at least 6 hours. In addition, the results reveal fundamental differences in how influencers and news outlets cover cryptocurrencies.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.